| مدل‌سازی هوشمند شبکه توزیع آب شهری با تلفیق GIS و الگوریتم‌های یادگیری ماشین |
| کد مقاله : 1054-IWWA |
| نویسندگان |
|
محمد محمدی هاشمی *1، حمیدرضا مومن زاده2، سمیه کاری1 1کارشناس GIS شرکت آب و فاضلاب جنوب غربی استان تهران 2مجری GIS شرکت آب و فاضلاب جنوب غربی استان تهران |
| چکیده مقاله |
| شبکه‌های توزیع آب شهری به‌عنوان یکی از حیاتی‌ترین زیرساخت‌های شهری، نقش مهمی در تضمین کیفیت زندگی شهروندان ایفا می‌کنند. پیچیدگی این شبکه‌ها به دلیل وسعت جغرافیایی، تنوع شرایط هیدرولیکی و تغییرات مصرفی روزانه، باعث شده مدیریت و بهره‌برداری از آنها با چالش‌های فراوانی همراه باشد. یکی از مهم‌ترین شاخص‌های عملکردی در شبکه‌های توزیع آب، فشار کاری است که افت یا افزایش بیش‌ازحد آن می‌تواند به کاهش رضایت مشترکین، افزایش تلفات و حتی شکست لوله‌ها منجر شود. تاکنون مدل‌سازی فشار و دبی در این شبکه‌ها عمدتاً مبتنی بر معادلات هیدرولیکی و نرم‌افزارهایی مانند EPANET بوده است. هرچند این روش‌ها دقت بالایی دارند، اما نیازمند داده‌های زیاد و پردازش‌های پیچیده هستند. در سال‌های اخیر، ترکیب سیستم اطلاعات جغرافیایی (GIS) و هوش مصنوعی به‌ویژه الگوریتم‌های یادگیری ماشین، به‌عنوان راهکاری نوین برای تحلیل سریع و دقیق رفتار شبکه‌ها مطرح شده است. در این پژوهش، داده‌های ۶۴۱۵ المان خطی شامل مختصات مکانی، طول لوله (۰ تا ۱۷۲۶ متر) و فشار کاری (۰ تا ۳ بار) گردآوری شد. الگوریتم XGBoost با هدف پیش‌بینی فشار کاری مورد استفاده قرار گرفت و نتایج آن در محیط GIS نمایش داده شد. ارزیابی‌ها نشان داد که دقت مدل با شاخص 87/0 𝑅2=و 15/0RMSE = بار، قابل قبول است. نمایش مکانی خروجی‌ها در GIS نیز نواحی بحرانی را مشخص می‌گردد. بنابراین، ترکیب GIS و XGBoost می‌تواند رویکردی نوین برای پشتیبانی تصمیم‌گیری در بهره‌برداری و نگهداری پیشگیرانه شبکه‌های توزیع آب باشد. |
| کلیدواژه ها |
| سامانه اطلاعات جغرافیایی، یادگیری ماشین، هوش مصنوعی، شبکه توزیع آب شهری، پیش‌بینی فشار کاری |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
