پیش‌بینی تقاضای روزانه آب شهر شیراز با استفاده از شبکه‌عصبی و الگوریتم بهینه‌سازی ‌‌‌کلونی زنبور عسل

دسترسی به آب شرب بهداشتی یکی از مهمترین نیازهای بشری و حقوق شهروندی است. به همین دلیل، تامین، انتقال، تصفیه و توزیع آب شرب بهداشتی به‏منظور رفع نیازهای آب مشترکین شهری و روستایی یکی از وظایف اولیه و اولویت‌های هر دولتی است. پیش‌بینی تقاضای آب در سیستم‌های آبرسانی و توزیع آب، کمک شایانی به مدیران مرتبط با تامین آب، جهت مدیریت و جلوگیری از بروز بحران و برنامه‌ریزی تامین آب، سرویس و نگهداری تجهیزات و تاسیسات، فرهنگ‌سازی، اطلاع‌‌رسانی و غیره خواهد‌‌ داشت. در این مقاله روشی ترکیبی مبتنی بر روش‌های شبکه‌ عصبی و بهینه‌سازی کلونی زنبور عسل برای پیش‌بینی تقاضای ‌آب شرب و بهداشت شهر شیراز ارائه شده‌‌‌‌‌‌‌ است. هدف از این مقاله ارتقای دقت پیش‌بینی تقاضای ‌آب با به‏کارگیری روش شبکه ‌عصبی بود. پارامترهای در نظر گرفته ‌شده جهت مدل‏سازی پیش‌بینی تقاضای ‌آب شامل اطلاعات گذشته تقاضای‌ آب، دمای ‌هوا، جمعیت، وزش‌ باد و تاریخ است. اطلاعات استفاده شده برای آموزش شبکه‌ عصبی شامل 10 سال از سال 88 تا 97 بود. جهت صحت‌سنجی و بررسی عملکرد روش پیشنهادی، تقاضای ‌آب سال 98 و فروردین 99 پیش‌بینی و با آمار واقعی مقایسه شد. بر اساس نتایج به‏دست آمده روش پیشنهادی به‌طور مناسبی توانسته پیش‌بینی تقاضای ‌آب را انجام ‌دهد. روش پیشنهادی دقت مطلوبی داشته و انحراف پیش‌بینی تقاضای آب در بدترین شرایط به عدد یک درصد رسیده که مقدار قابل ‌قبولی ‌است. از لحاظ آماری نتایج به‌دست‌آمده با استفاده از پارامتر mape با تحقیقات پیشین مقایسه شد، از این منظر روش پیشنهادی قابل‌ اطمینان‌ بوده و کارایی مناسبی در پیش‌بینی تقاضای ‌آب سیستم شهر شیراز داشته ‌است.

prediction of daily water demand of the shiraz city using neural network and honey bee colony optimization algorithm

access to safe drinking water is one of the most important human needs and citizenship rights. for this reason, the supply, transmission, treatment, and distribution of sanitary drinking water to meet the water needs of urban and rural subscribers is one of the primary tasks and priorities of any government. predicting water demand in water supply and distribution systems will be of great help to managers related to water supply, to manage and prevent crises and water supply planning, service and maintenance of equipment and facilities, culture, information and so on. in this study, a combined method based on neural network methods and bee colony optimization to predict drinking water demand and health of shiraz is presented. the purpose of this study was to improve the accuracy of water demand forecasting using the neural network method. parameters considered for modeling water demand forecasts include past information on water demand, air temperature, population, wind, and date. the data used to train the neural network included 10 years from 1988 to 1997. in order to verify and evaluate the performance of the proposed method, water demand in 1998 and april 1999 has been predicted and compared with real statistics. based on the obtained results, it was concluded that the proposed method was able to adequately predict water demand. the proposed method has good accuracy and the deviation of the water demand forecast in the worst conditions has reached one percent, which is an acceptable amount. statistically, the results obtained using the mape parameter were compared with previous studies, and from this perspective, the proposed method is reliable and has good efficiency in predicting the water demand of the shiraz city system.