کاربرد روش های شبکه عصبی و مدل های سری زمانی در پیش بینی مصرف آب شرب، مطالعه موردی شهر رشت

پیش بینی تقاضای آب شهری و طراحی ظرفیت مناسب برای سامانه عرضه آب شهری شامل شبکه های انتقال و مجتمع های تصفیه آب، ضرورت استفاده از الگوهای رفتاری و پیش بینی مقدار مصرف آب در شهرها را آشکار می نماید. قرار گرفتن شهر رشت در مسیر کریدور شمال- جنوب و پیش بینی ایفای نقش جدید آن به عنوان قطب تجارت و بازرگانی خارجی لزوم بازنگری در ساختارهای شهری و اخذ آمادگی برای گسترش زیرساخت ها و زیربناهای لازم را گوشزد می نماید. در پژوهش حاضر با بهره گیری از سه رهیافت خود توضیح جمعی میانگین متحرک فصلی، شبکه عصبی مصنوعی و الگوی هیبرید خود توضیح جمعی میانگین متحرک فصلی در ترکیب با الگوریتم پس انتشار خطا به الگوسازی و پیش بینی مقدار مصرف آب شرب شهر رشت پرداخته شد. در این راستا، سری زمانی ماهانه مصرف آب شهر رشت طی سال های 1380 تا 1387 مورد استفاده قرار گرفت. به منظور ایجاد الگوی SARIMA، کاربرد آزمون ریشه واحد مدنظر قرار گرفت. نتایج بیانگر وجود ریشه ها در تمامی فراوانی ها برای سری زمانی ماهانه مصرف آب شرب شهر رشت بود. از این رو، با انتخاب فیلتر مناسب، برازش الگوهای SARIMA انجام شد. پس از تعیین خروجی الگوی ANN، با استفاده از خروجی های الگوی SARIMA، ساختار الگوی هیبرید SARIMABP نیز ایجاد شد. پیش بینی مقدار مصرف آب شهر رشت برای ماه های سال 1388 با استفاده از سه الگوی یادشده گویای برتری و قدرت پیش بینی بالای الگوی هیبرید SARIMABP بود به طوری که شاخص های دقت پیش بینی مقدار خطای 41/0 درصد را برای این الگو نشان داد. از سوی دیگر، دو الگوی SARIMA و ANN نیز با خطای پیش بینی کمتر از یک درصد نتایج مطلوبی را برای استفاده مدیران شهری فراهم نموده است.