بررسی عوامل موثر بر پیدایش و افزایش آب بدون درآمد با استفاده از شبکه‌های بیزین (مطالعه موردی: شرکت آب و فاضلاب منطقه 4 تهران)

شناسایی دقیق عوامل طراحی و عمکردی موثر بر پیدایش و افزایش آب بدون درآمد و کاهش میزان تاثیر این عوامل، از جمله راهکارهای کارامد در مدیریت بهینه شبکه توزیع آب شهری و حفظ منابع مالی می‌باشد. در این تحقیق با استفاده از مراجع و تجربه متخصصین در حوزه شبکه‌های توزیع آب، عواملی که در پیدایش اجزای آب بدون درآمد نقش دارند، شناسایی شدند. سپس برای جمع‌اوری اطلاعات موردنیاز در مورد وضعیت عوامل، از نظر مسئولین و کارشناسان در قالب پرسشنامه استفاده شد. برای درنظرگرفتن عدم‌قطعیت‌های ناشی از فقدان داده کافی و اطلاعات دقیق در مورد وضعیت اجزای آب بدون درآمد و مدل کردن روابط احتمالاتی میان عوامل، از شبکه‌های بیزین به‌عنوان ابزار مدل‌سازی استفاده شد. در نهایت برای تحلیل نتایج مدل بیزین، یک شاخص حساسیت ارائه شد تا عوامل موثر شناسایی شده براساس میزان اثرگذاری بر اجزای بالادست خود رتبه‌بندی شوند. برای بررسی کارایی مدل پیشنهادی، منطقه تحت پوشش شرکت آب و فاضلاب منطقه 4 تهران به عنوان مطالعه موردی انتخاب شد. نتایج مدل‌سازی حاکی از آن است که احتمال زیاد بودن تلفات ظاهری، تلفات واقعی و آب بدون درآمد در منطقه مورد مطالعه به ترتیب 37.48 درصد، 35.04 درصد و 32.2 درصد است.

Evaluating Parameters Influencing the Emergence and Increase of NonRevenue Water Using Bayesian Networks(Case Study: District 4 of Tehran Water and Wastewater Company)

Effective strategies for optimal management of water distribution networks (WDNs) along with financial resources are clearly identifying design and performance parameters affecting the emergence of nonrevenue water and reducing the impact of parameters. In this study, using references and experiences of experts in the field of WDN, the factors that are involved in the development of nonrevenue water components were identified. Then, to collect the required information on the status of the parameters, officials’ and experts’ opinion were asked through questionnaires. Bayesian Networks (BNs) were used as a modeling tool so as to not only consider uncertainties associated to the lack of sufficient data and detailed information on nonrevenue water components but also consider the probabilistic relationships between parameters. Finally, in order to analyze BN models results, a sensitivity index was proposed to prioritize parameters based on their impact. To investigate the usefulness of the proposed model, the area covered by District 4 of Tehran Water and Wastewater Company was selected as a case study. The results indicated that the probability that apparent losses, real losses and nonrevenue water are high is 37.48 %, 35.04% and 32.2%, respectively.