ارائه ی یک مدل ترکیبی برای پیش بینی تقاضای روزانه آب شهری (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
آب به عنوان یکی از مهمترین نیازهای بشر، در زندگی روزمره دارای نقش حیاتی است. آگاهی از میزان تقاضای مورد نیاز آب برای سیاست گذاری مدیریت تقاضا، از اهمیت ویژه ای برخوردار است. در این مطالعه مدلی ترکیبی (تلفیقی از مدل های خطی و غیر خطی) منطبق با شرایط و ساختار اقلیمی شهر تهران و متغیرهای موثر بر مصرف آب برای پیش بینی تقاضای کوتاه مدت آب شهری طراحی شده است. با کمک این مدل، تقاضای روزانه آب شهری برای 10 روز بعد بر اساس مدل های ARIMA، شبکه عصبی و مدل تلفیقی تبدیل موجک، پیش بینی شده است. سپس مقادیر پیش بینی شده هر یک از مدل ها، توسط معیار ارزیابی MAPE و R2 در پیش بینی گام به گام و مجموع 10 روز مورد ارزیابی قرار گرفته است. در نهایت برای تقاضای روزانه آب شهر تهران، مدل تلفیقی تبدیل موجک با خطای کم (دقت پیش بینی بالا) به عنوان مدل بهینه انتخاب شده است. طبقه بندی JEL: C45 ،C53 ،D12 ،Q25A Hybrid Model for Forecasting Daily Urban Water Demand
Water as one of the most important human needs plays a vital role in everyday life. Therefore, awareness of the required amount of water demand is of particular importance to policy-making in line with demand management. In this study, a hybrid model (a combination of linear and non-linear models) has been designed to predict short-term urban water demand which mathces with the climatic conditions and structure of Tehran and variables affecting the water consumption. With using the model, daily urban water demand for the next 10 days was predicted based by ARIMA, Artificial Neural Netwoks (ANN) and Wavelet Transform hybrid models. Then the forecasted values of mentioned models were evaluated by MAPE and R2 criteria in step-by-step and full 10 days predictions. Finally, wavelet transform hybrid model with low error (high prediction accuracy) was selected as an optimal model for predicting daily water demand of Tehran. JEL classification:C45, C53, D12, Q25
تبلیغات
