کاربرد روش‌های شبکه عصبی و مدل‌های سری زمانی در پیش‌بینی مصرف آب شرب، مطالعه موردی شهر رشت

Abstract

<strong>پیش‌بینی تقاضای آب شهری و </strong><strong>طراحی ظرفیت مناسب برای سامانه عرضه آب شهری شامل شبکه‌های انتقال و مجتمع‌های تصفیه آب، ضرورت استفاده از الگوهای رفتاری و پیش‌بینی مقدار مصرف آب در شهرها را آشکار می‌نماید. قرار گرفتن شهر رشت در مسیر کریدور شمال- جنوب و پیش‌بینی ایفای نقش جدید آن به‌عنوان قطب تجارت و بازرگانی خارجی لزوم بازنگری در ساختارهای شهری و اخذ آمادگی برای گسترش زیرساخت</strong><strong>‌</strong><strong>ها و زیربناهای لازم را گوشزد می‌نماید. در پژوهش حاضر با بهره‌گیری 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 پیش‌بینی مقدار مصرف آب شرب شهر رشت پرداخته شد. در این راستا، سری زمانی ماهانه مصرف آب شهر رشت طی سال‌های 1380 تا 1387 مورد استفاده قرار گرفت. به‌منظور ایجاد الگوی </strong><strong>SARIMA</strong><strong>، کاربرد آزمون ریشه واحد مدنظر قرار گرفت. نتایج بیانگر وجود ریشه‌ها در تمامی فراوانی‌ها برای سری زمانی ماهانه مصرف آب شرب شهر رشت بود. از این رو، با انتخاب فیلتر مناسب، برازش الگوهای </strong><strong>SARIMA</strong><strong> انجام شد. پس از تعیین خروجی الگوی </strong><strong>ANN</strong><strong>، با استفاده از خروجی‌های الگوی </strong><strong>SARIMA</strong><strong>، ساختار الگوی هیبرید </strong><strong>SARIMABP</strong><strong> نیز ایجاد شد. پیش‌بینی مقدار مصرف آب شهر رشت برای ماه‌های سال 1388 با استفاده از سه الگوی یادشده گویای برتری و قدرت پیش‌بینی بالای الگوی هیبرید </strong><strong>SARIMABP</strong><strong> بود به‌طوری که شاخص‌های دقت پیش‌بینی مقدار خطای 41/0 درصد را برای این الگو نشان داد. از سوی دیگر، دو الگوی </strong><strong>SARIMA</strong><strong> و </strong><strong>ANN</strong><strong> نیز با خطای پیش‌بینی کمتر از یک درصد نتایج مطلوبی را برای استفاده مدیران شهری فراهم نموده است.</strong>