کارایی شبکه عصبی مبتنی بر مونت کارلو در ارزیابی عملکرد چاه های پمپاژ

پژوهش حاضر با هدف ارزیابی کارایی شبکه عصبی مصنوعی پرسپترون چندلایه  در تخمین دور پمپ چاه های آب شرب بندر ترکمن با استفاده از پارامترهای آبدهی پمپ، عمق نصب پمپ و تراز آب زیرزمینی انجام شده است. این مطالعه شامل یک رویکرد یکپارچه از مدل سازی شبکه های عصبی مصنوعی و تحلیل حساسیت آن و نیز شبیه سازی مونت-کارلو  است. نتایج شبکه عصبی نشان داد که این مدل دارای عملکرد قابل قبولی برای پیش بینی دور پمپ چاه ها می باشد. همچنین مشخص شد که عملکرد این مدل به طور قابل توجهی تحت تاثیر تغییرات فصلی قرار دارد. بهترین عملکرد آن در مراحل آموزش و آزمون به ترتیب در ماه خرداد با ۹۸/۰=R² و ۱۵/۱۵=RMSE و در ماه فروردین با ۹۹/۰=R² و ۱۳/۱۶=RMSE مشاهده شد. نتایج تحلیل حساسیت متغیرهای ورودی نشان داد که سطح آب زیرزمینی با ۴۸ درصد، بیشترین تاثیر را بر دور پمپ دارد و پس از آن آبدهی پمپ با ۳۷ درصد و عمق نصب پمپ با ۱۵ درصد قرار دارند. تحلیل شاخص قابلیت اطمینان (بتا) نشان داد که سامانه پمپاژ مورد مطالعه دارای تغییرات عملکرد فصلی قابل توجهی است، به طوری که در ماه های زمستان، دارای قابلیت اطمینان عالی (با بتای ۲/۲-۷/۱) و در ماه های تابستان دارای قابلیت اطمینان منفی است که نشان دهنده احتمال خرابی سامانه و یا مصرف بیش از حد انرژی توسط پمپ ها است. روش ارائه شده در این تحقیق، چارچوب عملی برای مدیران آب و فاضلاب برای بهینه سازی عملیات پمپاژ، کاهش هزینه های انرژی و بهبود مدیریت منابع آب در مناطق خشک را ارائه می دهد.

کلیدواژه ها:

سیستم پمپاژ ، شبیه سازی مونت کارلو ، شاخص قابلیت اطمینان ، شبکه عصبی مصنوعی ، تحلیل حساسیت