رویکرد یکپارچه مبتنی بر سیستم اطلاعات جغرافیایی (GIS) و یادگیری ماشین برای شناسایی، اولویت بندی و کاهش تلفات آب بدون درآمد (NRW) در شبکه های توزیع آب شهری با تاکید بر بازاستفاده آب خاکستری

در شرایط بحرانی منابع آب شهری، کاهش تلفات آب بدون درآمد (NRW) به یکی از اولویت های کلیدی مدیریت هوشمند شبکه های توزیع تبدیل شده است. پژوهش حاضر با هدف ارائه ی چارچوبی داده محور، از تلفیق سیستم اطلاعات جغرافیایی (GIS) و الگوریتم های یادگیری ماشین بهره گرفته تا نواحی پرریسک از نظر تلفات آب را شناسایی، تحلیل و اولویت بندی کند. در مطالعه ی موردی منطقه ۳ تهران، داده های هیدرولیکی، توزیع فشار، عمر لوله ها و گزارش های نشتی جمع آوری و در محیط GIS پردازش شد. سپس با به کارگیری الگوریتم های جنگل تصادفی (Random Forest) و گرادیان تقویتی (XGBoost)، مدل پیش بینی نقاط بحرانی با دقت ۹۲٪ توسعه یافت. نتایج نشان داد این ترکیب می تواند زمان واکنش به نشتی ها را تا ۴۰٪ کاهش دهد و هزینه های عملیاتی را به شکل محسوسی پایین آورد. افزون بر آن، بازاستفاده از آب خاکستری در مصارف غیرشرب به عنوان راهکار مکمل بررسی شد و تحلیل های اقتصادی نشان داد اجرای هم زمان دو رویکرد یادشده قادر است تا حدود ۲۵٪ از مجموع تلفات و مصرف آب شهری بکاهد. یافته ها بیانگر آن است که ترکیب فناوری های مکانی و مدل های یادگیری ماشین با سیاست های بازچرخانی آب، بستری کارآمد و هوشمند برای تصمیم سازی راهبردی در مدیریت پایدار منابع آب شهری فراهم می آورد.

کلیدواژه ها:

سیستم اطلاعات جغرافیایی ، یادگیری ماشین ، شبکه توزیع ، آب خاکستری