پیش‌بینی میان مدت تقاضای آب شهری با استفاده از شبکه‌های عصبی مبتنی بر الگوریتم‌های تکاملی (مطالعه موردی: شهرستان صوفیان)

پیش بینی تقاضای آب در سیستم های آب رسانی به منظور مدیریت صحیح منابع آب و توزیع آن امری ضروری است. با توجه به روند پرنوسان و غیرخطی مصرف آب و متغیرهای موثر بر آن، استفاده از مدل های غیرخطی مانند شبکه های عصبی در این زمینه توفیق بیش تری داشته اند. از طرفی این مدل ها دارای نقاط ضعفی مانند نیاز به داده های آموزشی فراوان و ضعف در یافتن نقاط بهینه سراسری می باشند. در این مطالعه با ادغام شبکه عصبی چند لایه با الگوریتم های تکاملی pso و ica، علاوه بر رفع نقایص مذکور، اقدام به آموزش شبکه و پیش بینی روزانه مصرف آب در شهرستان صوفیان بر اساس پارامترهای هواشناسی شده است. مقایسه نتایج شبکه ترکیب شده با الگوریتم های pso و ica با شبکه ای که توسط الگوریتم کلاسیک lm آموزش دیده، نشان می دهد که شبکه های ترکیبی عملکرد بهتری داشته و در این بین، شبکه عصبی ترکیبی با pso، با ضریب همبستگی 98/0 در هر یک از فصول گرم و سرد سال، دقت بالاتری نسبت به سایر شبکه ها دارد. همچنین پیش بینی تقاضای آب با استفاده از مدل ترکیبی طراحی شده، با چشم انداز 10 ساله، نشان می دهد که تقاضای آب در این شهرستان در سال 1404 حدود 40% افزایش خواهد یافت.