پیش بینی تقاضای روزانه آب شهر شیراز با استفاده از شبکه عصبی و الگوریتم بهینه سازی کلونی زنبور عسل

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 125

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WSD-9-2_003

تاریخ نمایه سازی: 27 مهر 1401

چکیده مقاله:

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 اولویت های هر دولتی است. پیش بینی تقاضای آب در سیستم های آبرسانی و توزیع آب، کمک شایانی به مدیران مرتبط با تامین آب، جهت مدیریت و جلوگیری از بروز بحران و برنامه ریزی تامین آب، سرویس و نگهداری تجهیزات و تاسیسات، فرهنگ سازی، اطلاع رسانی و غیره خواهد داشت. در این مقاله روشی ترکیبی مبتنی بر روش های شبکه عصبی و بهینه سازی کلونی زنبور عسل برای پیش بینی تقاضای آب شرب و بهداشت شهر شیراز ارائه شده است. هدف از این مقاله ارتقای دقت پیش بینی تقاضای آب با بهکارگیری روش شبکه عصبی بود. پارامترهای در نظر گرفته شده جهت مدلسازی پیش بینی تقاضای آب شامل اطلاعات گذشته تقاضای آب، دمای هوا، جمعیت، وزش باد و تاریخ است. اطلاعات استفاده شده برای آموزش شبکه عصبی شامل ۱۰ سال از سال ۸۸ تا ۹۷ بود. جهت صحت سنجی و بررسی عملکرد روش پیشنهادی، تقاضای آب سال ۹۸ و فروردین ۹۹ پیش بینی و با آمار واقعی مقایسه شد. بر اساس نتایج بهدست آمده روش پیشنهادی به طور مناسبی توانسته پیش بینی تقاضای آب را انجام دهد. روش پیشنهادی دقت مطلوبی داشته و انحراف پیش بینی تقاضای آب در بدترین شرایط به عدد یک درصد رسیده که مقدار قابل قبولی است. از لحاظ آماری نتایج به دست آمده با استفاده از پارامتر MAPE با تحقیقات پیشین مقایسه شد، از این منظر روش پیشنهادی قابل اطمینان بوده و کارایی مناسبی در پیش بینی تقاضای آب سیستم شهر شیراز داشته است.

کلیدواژه ها:

نویسندگان

الهام اسراری

دانشیار، گروه فنی و مهندسی، دانشگاه پیام نور، تهران، ایران

محمد حسینی

دانش آموخته کارشناسی ارشد، گروه فنی و مهندسی، دانشگاه پیام نور، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abiodun O. I., Jantan A., Omolara A. E., Dada K. ...
  • Bakker H., van Duistc K., van Schagen K., Vreeburg J. ...
  • Candelieri A. ۲۰۱۷. Clustering and Support Vector Regression for Water ...
  • Chen S., Guohua F., Xianfeng H. and Yuhong Zh. ۲۰۱۸. ...
  • Ghalehkhondabi I., Ardjmand E. and Young W.A. ۲۰۱۷. Water demand ...
  • Graf R., Zhu S. and Sivakumar B. ۲۰۱۹. Forecasting river ...
  • Goldberg David E. ۱۹۸۹. Genetic algorithms in search, optimization and ...
  • Guo L., Fu P., Shi T., Chen Y., Zeng C., ...
  • Hutton C., Hofman J. and Kapelan Z. ۲۰۲۰. Water demand ...
  • Kozłowski E., Kowalska B. and Kowalski D. ۲۰۱۸. Water demand ...
  • Meireles I., Sousa V., Bleys B. and Poncelet B. ۲۰۲۲. ...
  • Nazemi A. and Wheater H. S. ۲۰۱۵. On inclusion of ...
  • Smolak K., Kasieczka B., Fialkiewicz W., Rohm W., Siła-Nowicka K. ...
  • Tavanpour N., Noshadi M. and Tavanpour N. ۲۰۱۶. Scale formation ...
  • Wang Y., Jian L., Rong L, Xinyu S. and Enhui ...
  • Waqas Khan P., Byun Y. C., Lee S. J. and ...
  • Zubaidi S. L., Al-Bugharbee H., Ortega-Martorell S., Gharghan S. K., ...
  • Zubaidi S. L., Ortega-Martorell S., Kot P., Alkhaddar R. M., ...
  • نمایش کامل مراجع