مدلسازی و مقایسه شبکه های عصبی مصنوعی gmdh و rbf در پیش بینی تقاضای کوتاه مدت آب شرب شهر زاهدان

آب بخش شهری زاهدان از طریق انتقال آب از مخازن چاه نیمه سیستان تامین شده که خود دچار بحران شدید آبی است. از اینرو پیش بینی تقاضای آب شرب این شهر، کمک موثری به مدیران و بهره برداران سیستم آب شهری خواهد نمود، تا بتوانند نسبت به مدیریت صحیح مصرف اقدام نمایند. لذا در این مقاله از شبکه های عصبی مصنوعی gmdh و rbf که از ابزارهای قدرتمند برای تجزیه و تحلیل و مدل سازی روابط غیرخطی به حساب می آیند، برای برآورد تقاضای ماهانه آب شهری زاهدان در سال 1396 استفاده شد. پارامترهای موثر انتخاب شده، شامل میانگین دمای ماهانه، درصد رطوبت نسبی، متوسط میزان بارندگی، ساعات آفتابی و مصرف ماه قبل می باشند. نتایج بدست آمده و مقایسه شاخص هایmse و mae نشان می دهد با توجه به بررسی هفت ساختار مختلف با تعداد متفاوت نرون و لایه های نهان، شبکه عصبی gmdh با سه لایه نهان که دارای یک نرون در لایه اول، سه نرون در لایه نهان دوم و سه نرون در لایه نهان سوم می باشد، بهترین نتیجه را برای پیش بینی تقاضای کوتاه مدت آب شرب نشان داد. با مقایسه توابع فعالیت خطی و غیر خطی مشخص شد که در لایه خروجی مدل های عصبی gmdh و rbf، توابع غیر خطی عملکرد بهتری نسبت به توابع خطی از خود نشان می دهند. همچنین در بین مدلهای gmdh نیز مدلهای با خروجی غیرخطی نسبت به مدل های با خروجی خطی مناسب تر می باشند. همچنین نتایج حاکی از آن بود که بزرگتر کردن ساختار شبکه، تاثیر چندانی بر بهبود نتایج ندارند.