تلفیق شبکه عصبی مصنوعی با مدل سازی هیدرولیکی برای تشخیص نشت در شبکه توزیع آب

تلفات زیاد نشت آب موجب نگرانی مسئولین آب کشور شده است تا جایی که آبفای تهران به ناچار در سال جاری برای ذخیره آب اقدام به قطع کامل شبانه در شبکه های توزیع آب نمود که موجب نارضایتی مشترکین و افزایش خطر ورود آلاینده به داخل شبکه شد. این پژوهش با رویکرد ترکیبی داده محور، شامل مدل سازی عددی مخزن ۴۳ واقع در شمال شرق تهران با نرم افزار Water Gems و آموزش شبکه عصبی ANN با خروجی های فشار و دبی مدل عددی برای حالات نشت، به پیش بینی محل و مقدار نشت ها پرداخت. برای سنجش عملکرد و دقت مدل ها از معیارهای RMSE،MSE ،R۲ بهره گرفته شد. در مدل سازی عددی بعد از اعمال نشت، میزان فشار به طور متوسط حدود ۹/۰ بار کاهش و مقدار دبی در خطوط اصلی حدود ۳۵ درصد افزایش یافت. نتایج نشان داد احتمال تشخیص نشت در بازه ۶۷ تا ۸۸ درصد قرار داشته است. مدل تلفیقی، بعد از آموزش کامل افت فشار و افزایش دبی ناشی از نشت را با دقت بسیار بالایی تخمین زد، طوری که خطای پیش بینی در پایان دوره آموزش به چهار درصد کاهش یافت. این دقت بالا، قابلیت اطمینان مدل را برای شناسایی سریع و هدف مند محل نشت در شرایط واقعی تایید می کند. موفقیت این روش وابسته به صحت کالیبراسیون مدل هیدرولیکی و کیفیت داده های اندازه گیری شده است که در این پژوهش کالیبراسیون براساس دانش مهندسی برای زبری لوله ها، تلفات موضعی و ضرایب افت جزئی تا زمانی تنظیم شدند که اختلاف بین مقادیر مدل و داده های میدانی کم تر از ۵ درصد باشد.

کلیدواژه ها:

شبیه سازی هیدرولیکی ، شبکه عصبی (ANN) ، مدل تلفیقی ، مدل عددی