پیش‎بینی تقاضای کوتاه مدت آب شهری با استفاده از شبکه های عصبی بازگشتی

یکی از الزامات مدیریت شبکه‎های توزیع آب شهری، پیش‎بینی میزان تقاضای کوتاه مدت آب برای یک شبانه روز در بازه ساعتی می‎باشد. تقاضای آب دارای ماهیت سری زمانی و الگویی با ساختار پیچیده بوده و تابعی از عوامل فراوان می‎باشد که شبکه‎های عصبی عمیق می‎توانند گزینه مناسبی جهت استخراج این الگوی پیچیده ‎باشند. در این مطالعه ازشبکه‎های عصبی lstm و gru که از شبکه های عصبی عمیق و جزء شبکه های عصبی بازگشتی می‎باشند، جهت پیش‎بینی میزان تقاضای کوتاه مدت آب استفاده شده و نتایج آنها با یکدیگر مقایسه گردیدند. تنظیم ابرپارامترها جهت رسیدن به معماری بهینه با سعی و خطا انجام شده و مدلها در بستر نرم افزاری تنسورفلو و کتابخانه کراس در پایتون پیاده سازی گردیدند. نتایج شاخص های ارزیابی در این مدلها نشان داد که شبکه عصبی gru با خطای پیش‎بینی 3.78% با دقتی بالاتر نسبت به شبکه عصبی lstm (با خطای 4.16%)، تقاضای کوتاه مدت آب در بازه ساعتی را پیش‎بینی می نماید.