پیش بینی نشت و شکستگی در شبکه های توزیع آب شهری با استفاده از مدل های یادگیری ماشین و داده های مکانی (GIS)

مدیریت بهینه و پیشگیرانه شبکه های توزیع آب شهری، به ویژه در مواجهه با شکست های مکرر و پرهزینه لوله ها، مستلزم بهره گیری از فناوری های نوین و داده محور است. هدف این پژوهش، توسعه یک مدل پیش بینی برای شناسایی نقاط مستعد شکست در شبکه آبرسانی شهری با استفاده از ترکیب داده های مکانی (GIS) و مدل های یادگیری ماشین است. داده های مورد استفاده شامل سوابق شکست لوله ها، اطلاعات فیزیکی و محیطی (فشار شبکه، جنس لوله، سن، عمق نصب و...) و مختصات مکانی رویدادها بود. چهار مدل کلاسیک یادگیری ماشین شامل Logistic Regression، Decision Tree، Random Forest و SVM آموزش داده شدند که در این میان، مدل Random Forest با دقت ۸۸٪، حساسیت ۸۲٪ و AUC برابر با ۰.۹۱ بهترین عملکرد را ارائه داد. تحلیل اهمیت ویژگی ها نشان داد که سن لوله، جنس لوله و فشار شبکه بیشترین تاثیر را در احتمال شکست دارند. خروجی مدل در قالب نقشه های خطر با استفاده از سامانه اطلاعات جغرافیایی (GIS) نمایش داده شد و تحلیل خوشه ای (Hotspot) نیز هم راستایی فضایی نتایج را تایید کرد. نوآوری پژوهش حاضر در ادغام تحلیلی یادگیری ماشین و تحلیل مکانی برای تولید نقشه های تصمیم یار جهت اولویت بندی تعمیرات و پیشگیری از بحران های زیرساختی است. نتایج می توانند مستقیما در برنامه ریزی نگهداری، تخصیص منابع و کاهش هزینه های شکست زیرساختی در شرکت های آب و فاضلاب مورد استفاده قرار گیرند.

کلیدواژه ها:

یادگیری ماشین ، سامانه اطلاعات جغرافیایی (GIS) ، شکست لوله ، پیش بینی مکانی ، شبکه توزیع آب