اثرگذاری تغییرات آب و هوایی در پیش بینی مصرف ماهانه آب شرب منطقه سیستان با استفاده از الگوریتم کرم شب تاب (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
کمبود آب به یک معضل نگران کننده برای بسیاری از شهرهای جهان تبدیل شده است. پیش بینی تقاضای آب به سیاست گذاران و تامین کنندگان آب کمک می کند تا تعادل بین عرضه و تقاضای منابع آب شهری را حفظ کنند و در نتیجه از هدر رفت و کمبود آب جلوگیری شود. پیش بینی مصرف آب شهری تأثیر قابل توجهی در مدیریت کارآمد آب شهری در شهرهای مناطق خشک دارد به ویژه زمانی که پیامدهای تغییرات آب و هوایی در نظر گرفته شوند. در این پژوهش از پنج الگوریتم کرم شب تاب برای تخمین میزان مصرف آب شرب در منطقه سیستان برای سال های 1385- 1399 استفاده شده و با هم مقایسه شدند. از داده های سال 1385 تا 1394 جهت آموزش و یاد گیری و یافتن وزن بهینه مدل استفاده شد و از باقیمانده داده ها از سال1394 تا 1396 جهت آزمون مدل استفاده شد. نتایج مدل نشان داد 5 مدل مختلف الگوریتم کرم شب تاب می توانند جواب های محتملی بدست دهند در مدل نمایی و هیبرید میانگین خطای نسبی در الگوریتم NDFA (New dynamic firefly alghorithm)، 19/0 می باشد که کمترین میزان خطای نسبی را در بین دیگر الگوریتم ها دارد و در مدل خطی نیز الگوریتم VSSFA (Variable Step Size Firefly Algorithm) با میانگین خطای نسبی 196/0 کمترین میزان خطای نسبی را دارد. بنابراین مدل نمایی و روش NDFA کارایی بهتری نسبت به دیگر مدل ها و الگوریتم ها دارد. و دقت پیش بینی آن بالای 81% می باشد. پس از اطمینان از دقت الگوریتم میزان مصرف آب شرب برای سالهای 1402، 1403 و 1404 پیش بینی شد. نتایج حاصل نشان داد اوج مصرف در ماههای تیر و مرداد می باشد و کل مصرف در سال 1402، 1403 و 1404 به ترتیب برابر7293، 7558 و 7674 هزار متر مکعب می باشد.Prediction of monthly consumption of drinking water in the Sistan region under climate change impact
Water scarcity has become a problem of concern for many cities in the world. Predicting water demand helps policymakers and water suppliers maintain the balance between the supply and demand of urban water resources, thereby preventing water wastage and shortage. Forecasting Urban Water Consumption (UWC) has a significant impress on efficient urban water management in cities in arid regions when considering the implications of climate change. In this research, five firefly algorithms were used to estimate the consumption of drinking water in the Sistan region for the years 2006-2020 and were compared. The data from 2006 to 2015 were used for training and learning and finding the optimal weight of the model, and the remaining data from 2016 to 2020 were used to test the model. The results of the model showed that 5 different FA models can get possible answers. In the exponential and hybrid models, the relative error in the NDFA algorithm is 0.19, which has the lowest relative error among other algorithms, and in the linear model, the VSSFA algorithm has the lowest relative error with a relative error of 0.196. Therefore, the exponential model and NDFA method have better performance than other models and algorithms. And its prediction accuracy is above 81%. After ensuring the accuracy of the algorithm, the consumption of drinking water was predicted for the years 2023, 2024, and 2025. The results showed that the peak consumption is in July and August and the total consumption in 1402, 1403, and 1404 is equal to 7293, 7558, and 7674 thousand cubic meters, respectively.
تبلیغات
