مدل سازی هوشمند تشخیص نشت در شبکه های توزیع آب با بهره گیری از یادگیری ماشین و تحلیل گراف

تشخیص نشت در شبکه های توزیع آب یکی از چالش های مهم در مدیریت منابع و کاهش تلفات شهری است. روش های عددی سنتی مانند نیوتن-رافسون، اگرچه دقت بالایی دارند، اما در سناریوهای پیچیده و تحلیل های سریع عملکرد محدودی دارند. در این پژوهش، یک چارچوب هوشمند مبتنی بر یادگیری ماشین و تحلیل گراف برای شناسایی نشت در شبکه های آبرسانی ارائه شده است. ابتدا ۱۰۰ شبکه مصنوعی با توپولوژی های متنوع تولید شد و نشت های تصادفی در گره ها و لوله ها اعمال گردید. سپس با استفاده از ابزار WNTR، داده های فشار گره ها در حالت نرمال و نشت استخراج شد. ویژگی های گرافی شامل درجه گره، مرکزیت، نزدیکی و خوشه بندی با استفاده از NetworkX محاسبه گردید. مدل Random Forest با استفاده از این ویژگی ها آموزش داده شد و عملکرد آن با معیارهای دقت، یادآوری و F۱-score ارزیابی شد. نتایج نشان داد که مدل پیشنهادی قادر است نشت ها را با دقت ۹۴٪ و یادآوری ۹۰٪ شناسایی کند. همچنین فشار و مرکزیت گره ها به عنوان مهم ترین ویژگی های موثر در تشخیص نشت شناسایی شدند. این چارچوب قابلیت تعمیم به شبکه های واقعی را دارد و می تواند پایه ای برای توسعه سیستم های هشدار هوشمند و مدل های گرافی پیشرفته مانند GCN باشد. در پایان، مسیرهای آینده شامل استفاده از داده های واقعی، آموزش مدل های گرافی عمیق و توسعه سامانه های عملیاتی پیشنهاد شده است.

کلیدواژه ها:

تشخیص نشت ، یادگیری ماشین ، تحلیل گراف ، شبکه های توزیع آب