رویکرد جدید پیش بینی نرخ شکست لوله های شبکه توزیع آب با استفاده از مدل هیبرید هوشمند (مطالعه موردی: شبکه توزیع آب شهر گرگان)

شبکه های توزیع آب شهری بعنوان یکی از مهمترین تاسیسات و تجهیزات زیربنایی مناطق شهری محسوب می شوند. لوله ها بعنوان یکی از اجزای اصلی و مهم شبکه توزیع آب، همواره در دوره بهره برداری تحت تاثیر عوامل مختلف دچار شکستگی می شوند، بنابراین استفاده از مدل های مختلف جهت شناخت و پیش بینی نرخ شکست لوله ها می تواند کاربرد بسیار مهمی برای مدیران و دست-اندرکاران جهت مدیریت بهینه شبکه توزیع آب شهری در دوران بهره برداری داشته باشد. در دهه اخیر مطالعات مختلفی جهت پیش بینی نرخ شکست لوله های شبکه توزیع آب با استفاده از مدل های آماری و هوشمند انجام شده است که هریک دارایی نقاط ضعف و قوت می باشند. هدف از این تحقیق، ارایه یک رویکرد جدید برمبنای توسعه مدل پیش بینی هیبرید، با توجه به قابلیت های مدل های هوشمند و آماری، جهت پیش بینی دقیق تر نرخ شکست لوله های شبکه توزیع آب در مقایسه با مدل ها آماری و هوشمند مورد استفاده در تحقیقات قبل می باشد.

برای دستیابی به اهداف مطالعه، از آمار دوره زمانی 4 ساله (1394 تا 1397) مربوط به مشخصات شبکه توزیع آب شرب شهر گرگان شامل قطر، طول، سن، عمق نصب و تعداد شکست جهت پیش بینی نرخ شکست لوله ها در آینده استفاده شد. برای پیش بینی نرخ شکست لوله های شبکه توزیع آب مورد بررسی، پنج مدل مختلف شامل سه مدل آماری (رگرسیون خطی، رگرسیون خطی تعمیم یافته، رگرسیون بردار پشتیبان) و دو مدل هوشمند (شامل شبکه عصبی مصنوعی پیش خور و شبکه عصبی مصنوعی پایه شعاعی) مورد بررسی قرار-گرفتند. انتخاب پارامترهای بهینه مدل های مورد استفاده در این تحقیق، بر اساس شاخص های آماری مناسب شامل ضریب همبستگی، خطای حداقل مربعات و نسبت همبستگی- خطای مربعات متوسط مربوط به داده های آموزشی و آزمایشی انجام گردید. به منظور انتخاب مدل برتر از بین مدل های مختلف برای پیش بینی نرخ شکست لوله های شبکه، مقادیر شاخص های R و MSE مدل های فوق در مرحله صحت سنجی محاسبه و با یکدیگر مقایسه گردید. در نهایت، به منظور امکان پیش بینی دقیق تر نرخ شکست لوله های شبکه توزیع آب، یک رویکرد جدید بر مبنای مدل پیش بینی هیبرید توسعه داده شد که در آن، مقادیر پیش بینی شده نرخ شکست لوله های شبکه توسط هریک از مدل های فوق به-عنوان متغیرهای مستقل ورودی مدل برتر و مقادیر مشاهداتی نرخ شکست به عنوان متغیر وابسته خروجی مدل برتر در نظر گرفته شد.

مقایسه مقادیر شاخص های آماری R و MSE مدل های مورد استفاده در این تحقیق در مرحله صحت سنجی نشان داد که هیچ-کدام از مدل های مورد استفاده دارای دقت مناسبی برای پیش بینی نرخ شکست لوله های شبکه شرب شهر گرگان نیستند. مدل شبکه عصبی مصنوعی پیش خور با ضریب همبستگی 69/0 R= و مقدار خطای 062/0 MSE= دارای بهترین برآورد بود. با استفاده از رویکرد جدید توسعه داده شده بر اساس هیبرید مدل های هوشمند و آماری مقدار R برابر 96/0 و شاخص خطای MSE برابر 046/0 بدست آمده است.

افزایش چشمگیر شاخص R(به میزان 39 درصد) و کاهش قابل توجه شاخص MSE (به میزان 25 درصد) ناشی از استفاده از رویکرد هیبریدی پیشنهادی برای پیش بینی نرخ شکست لوله های شبکه در مقایسه با مدل شبکه عصبی مصنوعی پیش خور نشان می-دهد که با استفاده از این رویکرد جدید، می توان نرخ شکست لوله های شبکه تحقیق حاضر را با دقت بسیار خوبی پیش بینی نمود.