مصطفی رضاعلی - دانشجوی کارشناسی ارشد عمران محیط زیست دانشگاه صنعتی قم
عبدالرضا کریمی - استادیار گروه مهندسی عمران، دانشگاه صنعتی قم
بایرامعلی محمدنژاد - استادیار گروه مهندسی عمران، دانشگاه صنعتی قم
عبدالرضا رسولی کناری - استادیار گروه مهندسی کامپیوتر، دانشگاه صنعتی قم

در سال های اخیر خشک سالی های پی در پی، باعث کاهش میزان منابع آبی کشور شده است. تنش های ناشی از این خشک سال ها بیشتر در شهرها و کلان شهرهای با اقلیم خشک و نیمه خشک مشهود است که توام با افزایش جمعیت شهری، این تنش ها رو به افزایش است. در دهه های اخیر، پژوهشگران به منظور مدیریت بهتر میزان تقاضا و ایجاد توزان میان عرضه و تقاضا، به روش های پیش بینی تقاضای آب شهری روی آمده اند که با استفاده از آنها می تواند به مدیریت عرضه و تقاضا کمک شایانی کند. یکی از روش ها مرسوم برای این کار استفاده از مدل های آماری است که مدل میانگین متحرک خودهمبسته یکپارچه با ARIMA یکی از شناخته شده ترین آنها در بین پژوهشگران این حوزه است. با گذشت زمان و دستیابی به تعریف کاربردی از هوش مصنوعی، روش های مبتنی بر هوش مصنوعی به جامعه علمی جهان معرفی شد که روش شبکه عصبی مصنوعی یکی از پرکاربردترین آنها است. بعد از اولین استفاده کاربردی از شبکه عصبی مصنوعی، مقایسه بین این روش با ARIMA مورد توجه بسیاری از پژوهشگران قرار گرفت. در این پژوهش نیز سعی شده با استفاده از این روش و مقایسه کلی آنها، میزان دقت آن ها در پیش بینی تقاضای آب شهرک مهدیه شهر قم مشخص شود. نتایج این پژوهش نشان داد که مدل شبکه عصبی مصنوعی سری زمانی قابلیت بهتری در زمینه پیش بینی تقاضای آب دارد. مدل ARIMA نیز توانایی مطلوبی در این زمینه نشان داد. با توجه به ساده تر بودن مدل ARIMA، دانش کمتر برای به کارگیری آن، دسترسی آسان تر به آن و هزینه محاسباتی کمتر ممکن است بعضا انتخاب مناسبی برای تصمیم گیران این حوزه به شمار می رود.

پیش بینی تقاضا، شبکه عصبی مصنوعی، مدل میانگین متحرک خود همبسته یکپارچه، مدل های سری زمانی