برآورد آینده مصرف آب شهری تحت شرایط تغییر اقلیم با استفاده از رویکرد یادگیری ماشین (مطالعه موردی: شهرستان بروجرد)

به دلیل اقلیم خشک سرزمین ایران، تامین و مدیریت منابع آب برای مصارف شهری از دیرباز جزو چالش های اساسی برای سازمان هایی همچون آب وفاضلاب و آب منطقه ای بوده است. با افزایش فزاینده هزینه تامین آب، نیاز شدیدی به برآورد هر چه دقیق تر نیاز آبی در کشور ایران حس می شود. تغییر اقلیم با افزایش دما تاثیری غیرمستقیم روی مصرف آب می گذارد. درنتیجه پیش بینی مصرف آب شهری صرفا از روی روندهای قبلی غیرقابل اطمینان خواهد بود. در این پژوهش با درنظرگرفتن جدیدترین سناریوهای تغییر اقلیم SSP متغیرهای آب وهوایی تحت شرایط تغییر اقلیم پیش نمایی شد و سعی بر این شد که با استفاده از آنها آینده مصرف آب شهری برای مطالعه موردی شهرستان بروجرد مدل سازی شود. به منظور یافتن همبستگی میان متغیرها و مصرف آب شهری از الگوریتم یادگیری ماشین RBF-GA استفاده شده است. عملکرد این مدل به وسیله سنجه های آماری RMSEو R^۲ در مقابل مدل پایه RBF سنجیده شد. نتایج نشان از عملکرد قوی تر مدل تلفیقی RBF-GA داشت. همچنین روش شناسی و یافته ها با رویکرد ارایه شده در بازنگری اول نشریه ۱۱۷-۳ مقایسه و تحلیل شدند. نتایج نشان داد که خروجی های نشریه ۱۱۷-۳ در دوره مشاهداتی دارای بیش برآورد هستند. درنتیجه، RBF-GA توانست عملکرد بهتری نسبت RBF و رویکرد نشریه ۱۱۷-۳ در بخش صحت سنجی داشته باشد. طبق پیش نمایی های مدل RBF-GA، در آینده نزدیک (۱۴۰۱-۱۴۱۵)، تغییرات اقلیمی تقاضای آب را به مقدار متوسط ۶۰۴۶۲ و ۶۱۷۶۸ مترمکعب در شبانه روز به ترتیب تحت سناریو های اقلیمی SSP۲-۴.۵ و SSP۵-۸.۵ خواهد رساند. این پیشنمایی ها مقادیر بیشتری نسبت به بیش برآوردهای نشریه ۱۱۷-۳ به خود می گیرد.

کلیدواژه ها:

پیش نمایی ، تغییر اقلیم ، جنگل تصادفی ، الگوریتم تلفیقی ، CMIP۶