انتخاب بهترین شاخص‌ آماری مقدار فشار گرهی برای استفاده در کالیبراسیون مدل هیدرولیکی شبکه توزیع آب مبتنی بر پردازش داده‌های میدانی

با توجه به، به‌‌‌کارگیری گسترده کامپیوترها و تجهیزات اندازه‌گیری در بهره‌برداری شبکه‌های توزیع آب، حجم زیادی از داده‌ها برای پایش و ارزیابی عملکرد شبکه‌های توزیع آب ثبت می‌شود و در مرحله مدل‌سازی و کالیبراسیون استفاده می‌شود. مدیریت این داده‌ها برای رسیدن به مدل‌های دقیق‌تر از یک طرف و سرعت عمل در پردازش آنها از طرف دیگر بسیار ضروری است. در این پژوهش، هدف، پردازش داده‌های میدانی فشار گرهی برای انتخاب بهترین شاخص‌های آماری برای کالیبراسیون مدل شبکه توزیع آب بود. برای این منظور، بیش از 5500 داده جمع‌آوری شده در 22 ایستگاه شبکه توزیع آب اهر و 12 ایستگاه شبکه توزیع آب اشنویه بررسی شد. ابتدا، با دسته‌بندی داده‌ها به روش تجربی استورجس، احتمال قرارگرفتن داده‌ها در دسته‌های شاخص‌های‌ مرکزی میانگین، میانه و نما و سایر دسته‌ها در ایستگاه‌های مختلف در ساعت‌های حداقل، حداکثر و متوسط مصرف تعیین و با جمع‌بندی نتایج، بهترین شاخص مرکزی انتخاب شد. سپس برای تحلیل نحوه تغییرات داده‌ها، مقدار حداقل و حداکثر، دامنه تغییرات و انحراف معیار داده‌ها به همراه هیستوگرام دسته‌ها ارائه شد. روند تغییرات داده‌ها در ایستگاه‌های مختلف در ساعت‌های حداقل، حداکثر و متوسط مصرف نشان داد که هارمونی مشخصی برای تغییرات داده‌ها وجود ندارد، به‌طوری که مقدار حداکثر یا حداقل دامنه تغییرات و انحراف معیار داده‌ها به‌صورت مکانی در ایستگاه‌ها جابه‌جا می‌شوند. همچنین روند تخصیص داده‌ها به دسته‌ها نشان داد که در شبکه توزیع آب اهر بیشترین تخصیص داده‌ها به دسته نمایی با حدود 28.6 درصد و بعد سایر دسته‌ها با حدود 26.3 درصد قرار دارد و در شبکه توزیع آب اشنویه بیشترین تخصیص مربوط به سایر دسته‌ها با حدود 30.2 درصد و بعد دسته نمایی با 27.2 درصد قرار دارد. با توجه به تعدد و پراکندگی سایر دسته‌ها و واحد بودن مقوله حالت، دسته نمایی، بهترین انتخاب بود. به‌طورکلی با بهره‌گیری از مقدار نما به‌جای دیگر شاخص‌های مرکزی در کالیبراسیون شبکه‌های توزیع آب، به‌دلیل تاثیرپذیری از تعداد داده‌های میدانی بیشتر، نتایج مطلوب‌تری در ساخت مدل شبکه حاصل خواهد شد.

selection of the best statistical index of nodal pressure values for use in calibrating the hydraulic model of the water distribution network based on field data processing

due to the widespread use of computers and measuring equipment in the operation of water distribution networks, a large amount of data is recorded for monitoring and evaluating the performance of water distribution networks and it is used in the modeling and calibration process. the management of these data is very necessary to achieve more accurate models on the one hand and the speed of their processing on the other hand. in this research, the purpose is to process nodal pressure field data to select the best statistical indicators for calibrating the water distribution network model. for this purpose, more than 5500 data collected in 22 stations of ahar water distribution network and 12 stations of oshnaviyeh water distribution network have been analyzed. first, by categorizing the data with sturges experimental method, the probability of the data being placed in the central index categories of average, median, and mode and other categories in different stations in the times of minimum, maximum, and average consumption has been determined, and by summarizing the results, the best central index has been selected. then, to analyze how the data changes, the minimum and maximum values, the range of variation, and the standard deviation of the data are presented along with the histogram of the categories. the trend of data variations in different stations in the minimum, maximum, and average consumption times shows that there is no specific harmony for data variations, so the maximum or minimum values of the range of variation and the standard deviation of the data are moved spatially in the stations. also, the process of data allocation to categories shows that in the ahar water distribution network, most data is allocated to the mode category at about 28.6 percent, followed by other categories at about 26.3 percent. also, in the oshnaviyeh water distribution network, the highest allocation is related to other categories with about 30.2 percent, followed by the mode category with 27.2 percent. considering the multiplicity and dispersion of other categories and the unity of the mode category, the mode category is the best choice for both case studies. in general, by using mode values instead of other central indicators in the calibration of water distribution networks, due to the effectiveness of more field data, more favorable results will be obtained in the construction of the network model.