| پیش‌بینی کوتاه مدت تقاضای آب شهری با استفاده از مدل ترنسفورمر کانولوشنال: مطالعه موردی یک شهر واقعی در ایران |
| کد مقاله : 1163-IWWA |
| نویسندگان |
|
سعید ملایی1، علیرضا مقدم *2، شادی نجفیان3، سید علی ترابی4، محمد یارمحمدی5 1مدیرعامل شرکت دانش‌بنیان سنجش ابزار پویای آینده (پویاک)، 2استادیار مجتمع آموزش عالی گناباد 3کارشناس تحقیق و توسعه شرکت دانش‌بنیان سنجش ابزار پویای آینده (پویاک)، 4کارشناس تحقیق و توسعه شرکت دانش‌بنیان سنجش ابزار پویای آینده (پویاک) 5رئیس هیئت مدیره شرکت دانش‌بنیان سنجش ابزار پویای آینده (پویاک)، |
| چکیده مقاله |
| پیش‌بینی کوتاه‌مدت تقاضای آب شهری نقش مهمی در مدیریت بهینه شبکه‌های توزیع و جلوگیری از بروز بحران‌های ناشی از کمبود یا افزایش ناگهانی مصرف دارد. در این پژوهش مدل ترنسفورمر کانولوشنال برای پیش‌بینی مصرف ساعتی آب توسعه داده شد. داده‌های مورد استفاده شامل مصرف واقعی یک شهر در جنوب شرقی استان خراسان رضوی طی بازه زمانی مهر ۱۳۹۵ تا مهر ۱۳۹۶، متغیرهای تقویمی (مانند روز هفته، تعطیلات رسمی و مذهبی) و متغیر اقلیمی دما بود. داده‌ها پس از پیش‌پردازش، رفع داده‌های گمشده و هم‌زمان‌سازی، به‌عنوان ورودی مدل مورد استفاده قرار گرفتند. نتایج تحلیل داده‌ها نشان داد که الگوی مصرف آب علاوه بر زمان شبانه‌روز، به‌طور مستقیم تحت تأثیر روزهای تعطیل، مناسبت‌های مذهبی (به‌ویژه ماه رمضان) و تغییرات دما قرار دارد. مدل پیشنهادی توانست این الگوها را به‌خوبی بازتولید کند؛ به‌گونه‌ای که دقت پیش‌بینی در افق دو روزه 42/91 درصد و در افق یک هفته‌ای 95/90 درصد به دست آمد. همچنین مقادیر RMSE و MAE برای پیش‌بینی کوتاه‌مدت به‌ترتیب 2/14 و 6/11 محاسبه شد که نشان‌دهنده عملکرد مطلوب مدل در رهگیری تغییرات روزانه مصرف است. به‌طور کلی، نتایج بیانگر توان بالای مدل ترنسفورمر کانولوشنال در پشتیبانی از تصمیم‌گیری‌های بهره‌برداری، شامل برنامه‌ریزی پمپاژ، مدیریت مخازن، تشخیص ناهنجاری‌ها و افزایش قابلیت اطمینان شبکه‌های توزیع آب شهری است. این یافته‌ها می‌تواند در طراحی راهکارهای هوشمند مدیریت منابع آبی به‌ویژه در شرایط اقلیمی و جمعیتی ایران مورد استفاده قرار گیرد. |
| کلیدواژه ها |
| پیش‌بینی کوتاه‌مدت، مصرف آب شهری، یادگیری عمیق، شبکه‌های توزیع آب، هوش مصنوعی |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
