محمدهادی دارابی

پیش بینی تقاضای آب شهری کمک مؤثری به مدیران و بهره برداران سیستم های آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپ ها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرایط اقلیمی و هواشناسی، مناسبت های فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. به دلیل همین تنوع، پیش بینی مصرف کوتاه مدت به صورت تحلیلی بسیار مشکل و یا ناممکن می باشد. در این شرایط استفاده از سیستم های هوشمند مانند شبکه های عصبی مصنوعی می تواند به عنوان یک گزینه راهگشا مطرح گردد. در این تحقیق با استفاده از شبکه های عصبی پرسپترون چندلایه و با الگوریتم آموزشی پس انتشار خطا، میزان مصرف یک روزه آب شهر همدان بر اساس پارامترهای هواشناسی و داده های تاریخی مصارف گذشته پیش بینی می شود. نتایج این تحقیق نشان می دهد که با اطلاعات محدود قابل دسترس، شبکه عصبی با دولایه نهان که به ترتیب دارای یک و هفت نرون می باشند توانسته است میزان تقاضای روزانه آب شهر همدان را با ضریب همبستگی بیش از ۸5 درصد و خطای متوسط حدود دو درصد تخمین بزند. بدیهی است با افزایش تعداد داده ها در یک دوره زمانی گسترده تر، میزان دقت مدل قابل بهبود می باشد. در این مقاله همچنین با استفاده از شبکه های عصبی مصنوعی، یک فرمول ساده برای پیش بینی میزان مصرف روزانه آب شهر همدان تولیدشده است و با ورود داده های درجه حرارت هوا و مصرف آب روز قبل، میزان مصرف روز بعد به دست می اید. نتایج این تحقیق نشان می دهد که این فرمول قادر است میزان تقاضای روزانه آب شهر همدان را با میانگین خطای مطلق حدود 75/2 درصد، تخمین بزند.