پیش بینی نرخ شکست لوله ها در شبکه های توزیع آب با استفاده از روش های RCNN-SVR و FCRM

مقدمه و هدف: بهینه سازی برنامه های اصلاح، بازسازی و نوسازی شبکه های آب شهری به منظور استفاده صحیح از منابع محدود آب امری ضروری است. هدف از تحقیق حاضر پیاده سازی و مقایسه دو روش هوش مصنوعی به منظور پیش بینی نرخ شکست لوله های آب می باشد.مواد و روش ها: در این مقاله، اطلاعات اتفاقات شبکه آب شهر جوپار از سال ۱۳۹۱ تا ۱۳۹۸ جمع آوری شده است. پارامترهای بررسی شده در شکست لوله ها شامل جنس، سن، قطر، فشار آب و عمق نصب بوده که ضریب همبستگی این پارامترها با نرخ شکست بررسی گردیده است. به منظور پیش بینی نرخ شکست، از روش های شبکه عصبی کانولوشن با ماشین بردار پشتیبان(RCNN-SVR) و رگرسیون فازی براساس خوشه بندی میانگین c (FCMR) استفاده شده است. جهت مقایسه عملکرد دو روش نیز از معیارهای میانگین مربعات خطا، درصد خطای میانگین مطلق، شاخص تطابق و ضریب تعیین بهره گرفته شده است.یافته ها: با توجه به ارزیابی صورت گرفته، روش RCNN-SVR نسبت به روش FCMR نتایج بسیار مناسبی را نشان می دهد. همچنین همبستگی بین سن و نرخ شکست در لوله های آزبست بالا بوده و در لوله های پلی اتیلن این مقدار مثبت ولی کم می باشد. ضریب همبستگی بین فشار و نرخ شکست نیز برای هر دو جنس لوله مثبت است. بحث و نتیجه گیری: RCNN-SVR مدل پیش بینی دقیق تری را نسبت به FCMR ارائه داده و خطای کمتری دارد. لذا این روش می تواند به طور موثر نرخ شکست لوله ها را پیش بینی نماید.

کلیدواژه ها:

شبکه توزیع آب ، شکست لوله ، هوش مصنوعی ، فازی ، نرخ شکست