روش برنامه نویسی ژنتیک (GP) در پیش بینی میزان مصرف آب شهری (مطالعه موردی: شهر نجف آباد)
ارتقا سطح کیفی زندگی ساکنین شهرها به بهره مندی از زیرساخت شهری با کیفیت بالا، به منظور برآورده کردن نیازهای روزانه وابسته است. شبکه آبرسانی شهری یکی از اساسی ترین زیرساخت های شهری است که طراحی و سرویس دهی مطلوب آن در طول دوره طرح ضروری است. ازاین رو تعیین میزان واقعی مصرف و پیش بینی آن در آینده اهیمت دارد. به این منظور در این تحقیق، از یک روش بر مبنای هوش مصنوعی، روش برنامه نویسی ژنتیک (GP) و همچنین روش داده کاوی ضریب همبستگی پیرسون استفاده شده است. روش های داده کاوی بر روی بانک داده شامل داده های روزانه دما، بارش، رطوبت و مقدار آب تولیدی روزانه برای شهر نجف آباد در اصفهان از ابتدای سال 1394 تا انتهای سال 1398اعمال و بهترین ترکیب از داده های ورودی انتخاب شده است. داده های منتخب به عنوان بردارهای ورودی برای مدل های پیشنهادی بر مبنای روش GP اعمال و مقدار آب تولیدی روزانه (نشان دهنده آب مصرفی کل)شهر نجف آباد پیش بینی شده است. نتایج به دست آمده با نتایج مدل هایی بر مبنای شبکه عصبی مصنوعی (ANN) مقایسه شده است. برای بررسی عملکرد مدل ها، شاخص های آماری R²، RMSE و NSE محاسبه شده است. مقایسه نتایج نشان دهنده عملکرد قابل قبول مدل های پیشنهادی بر مبنای GP می باشد. به عبارت دیگر، مقدار شاخص های آماری RMSE و NSE و R² و MAPE برای داده های آموزش در بهترین مدل GP به ترتیب برابر با MCM 3262/59 و 0/80 و 0/80 و 5/38 درصد و برای داده های آزمایش به ترتیب برابر با 3507/68 MCM و 78/78 و 0/0 و 6/67 درصد می باشد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.