رویکرد یکپارچه مبتنی بر سیستم اطلاعات جغرافیایی (GIS) و یادگیری ماشین برای شناسایی، اولویت‌بندی و کاهش تلفات آب بدون درآمد (NRW) در شبکه‌های توزیع آب شهری با تأکید بر بازاستفاده آب خاکستری

کد مقاله : 1403-IWWA

نویسندگان

حمید پیش بین1، هادی فهیمی *2 1کارشناس gis 2رییس گروه gis

چکیده مقاله

در شرایط بحرانی منابع آب شهری، کاهش تلفات آب بدون درآمد (NRW) به یکی از اولویت‌های کلیدی مدیریت هوشمند شبکه‌های توزیع تبدیل شده است. پژوهش حاضر با هدف ارائه‌ی چارچوبی داده‌محور، از تلفیق سیستم اطلاعات جغرافیایی (GIS) و الگوریتم‌های یادگیری ماشین بهره گرفته تا نواحی پرریسک از نظر تلفات آب را شناسایی، تحلیل و اولویت‌بندی کند. در مطالعه‌ی موردی منطقه ۳ تهران، داده‌های هیدرولیکی، توزیع فشار، عمر لوله‌ها و گزارش‌های نشتی جمع‌آوری و در محیط GIS پردازش شد. سپس با به‌کارگیری الگوریتم‌های جنگل تصادفی (Random Forest) و گرادیان تقویتی (XGBoost)، مدل پیش‌بینی نقاط بحرانی با دقت ۹۲٪ توسعه یافت. نتایج نشان داد این ترکیب می‌تواند زمان واکنش به نشتی‌ها را تا ۴۰٪ کاهش دهد و هزینه‌های عملیاتی را به شکل محسوسی پایین آورد. افزون بر آن، بازاستفاده از آب خاکستری در مصارف غیرشرب به‌عنوان راهکار مکمل بررسی شد و تحلیل‌های اقتصادی نشان داد اجرای هم‌زمان دو رویکرد یادشده قادر است تا حدود ۲۵٪ از مجموع تلفات و مصرف آب شهری بکاهد. یافته‌ها بیانگر آن است که ترکیب فناوری‌های مکانی و مدل‌های یادگیری ماشین با سیاست‌های بازچرخانی آب، بستری کارآمد و هوشمند برای تصمیم‌سازی راهبردی در مدیریت پایدار منابع آب شهری فراهم می‌آورد.

کلیدواژه ها

سیستم اطلاعات جغرافیایی ، یادگیری ماشین، شبکه توزیع،آب خاکستری

وضعیت: پذیرفته شده برای ارائه شفاهی