مدل سازی هوشمند شبکه توزیع آب شهری با تلفیق GIS و الگوریتم های یادگیری ماشین

شبکه های توزیع آب شهری به عنوان یکی از حیاتی ترین زیرساخت های شهری، نقش مهمی در تضمین کیفیت زندگی شهروندان ایفا می کنند. پیچیدگی این شبکه ها به دلیل وسعت جغرافیایی، تنوع شرایط هیدرولیکی و تغییرات مصرفی روزانه، باعث شده مدیریت و بهره برداری از آنها با چالش های فراوانی همراه باشد. یکی از مهم ترین شاخص های عملکردی در شبکه های توزیع آب، فشار کاری است که افت یا افزایش بیش ازحد آن می تواند به کاهش رضایت مشترکین، افزایش تلفات و حتی شکست لوله ها منجر شود. تاکنون مدل سازی فشار و دبی در این شبکه ها عمدتا مبتنی بر معادلات هیدرولیکی و نرم افزارهایی مانند EPANET بوده است. هرچند این روش ها دقت بالایی دارند، اما نیازمند داده های زیاد و پردازش های پیچیده هستند. در سال های اخیر، ترکیب سیستم اطلاعات جغرافیایی (GIS) و هوش مصنوعی به ویژه الگوریتم های یادگیری ماشین، به عنوان راهکاری نوین برای تحلیل سریع و دقیق رفتار شبکه ها مطرح شده است. در این پژوهش، داده های ۶۴۱۵ المان خطی شامل مختصات مکانی، طول لوله (۰ تا ۱۷۲۶ متر) و فشار کاری (۰ تا ۳ بار) گردآوری شد. الگوریتم XGBoost با هدف پیش بینی فشار کاری مورد استفاده قرار گرفت و نتایج آن در محیط GIS نمایش داده شد. ارزیابی ها نشان داد که دقت مدل با شاخص ۸۷/۰ 𝑅۲= و ۱۵/۰ RMSE = بار، قابل قبول است. نمایش مکانی خروجی ها در GIS نیز نواحی بحرانی را مشخص می گردد. بنابراین، ترکیب GIS و XGBoost می تواند رویکردی نوین برای پشتیبانی تصمیم گیری در بهره برداری و نگهداری پیشگیرانه شبکه های توزیع آب باشد.

کلیدواژه ها:

سامانه اطلاعات جغرافیایی ، یادگیری ماشین ، هوش مصنوعی ، شبکه توزیع آب شهری ، پیش بینی فشار کاری