استفاده از رویکرد یادگیری ماشین در پیش بینی فشار در شبکه های آب شهری؛ مطالعهموردی الگوریتم های SVR و GP

میزان جمعیت، وضعیت اقلیمی، بالا رفتن سطح بهداشت و اقتصاد، فرهنگ جامعه، اهمیت یافتن بیشتر کیفیت اب، مهاجرپذیری، سیاست های مدیریت تقاضا و مصرف، عمر شبکه و کیفیت اجرای آن، نوع کاربری و گوناگونی آن، تعداد اعضای هر خانه و سن افراد خانه در میزان تقاضای آب موثرند. افزایش فشار در گره ها و لوله ها و شبکه با هزینه های زیادی همراه است. مدیریت هوشمند صحیح برای به حداقل رساندن هزینه ها و مدیریت بهینه سامانه های آبرسانی است. برای کاهش هزینه های تخمین و پیش بینی می توان از هوش مصنوعی AI بهره گرفت. در این مقاله، الگوریتم های یادگیری ماشین ML مانند برنامه ریزی ژنتیک GP و رگرسیون برداری پشتیبان SVR برای پیش بینی فشار آب اعمال شده اند. برای شبیه سازی و بررسی رفتار هیدرولیکی آب در شبکه از نرم افزار EPANET استفاده شده است. همچنین ارتباط بین نرم افزار MATLAB و نرم افزار EPANET به کمک کتابخانه پویا DLL امکان پذیر است. الگوریتم های مذکور توانسته اند مقادیر فشار در شبکه را با دقت بالایی ۰/۹۴یادگیری ماشین انجام شد.