کاربرد روش‌های مبتنی بر هوش مصنوعی در برآورد بهره‌وری مصرف آب (مطالعه موردی: شهر ساری)

فصلنامه آب و توسعه پایدار

مقاله 12، دوره 11، شماره 3 - شماره پیاپی 33، آذر 1403، صفحه 131-142   

نوع مقاله: پژوهشی کاربردی

شناسه دیجیتال (DOI): 10.22067/jwsd.v11i3.2405-1331

نویسندگان

رامین فضل اولی^{* 1}؛ شادی صراف¹؛ جواد وجاهت²؛ علیرضا عمادی¹

¹گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

²گروه مهندسی آبیاری و آبادانی، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران

چکیده

امروزه استفاده بهینه از آب در بخش‌های مختلف با هدف افزایش بهره‌وری و کاهش تلفات یکی از پیش‌فرض‌های اساسی در مدیریت مصرف می‌باشد. ازاینرو در پژوهش حاضر مفهوم بهره‌وری در بخش‌های مختلف مصرف آب شامل آب‌های زیرزمینی، آب شرب و توجه ویژه به خصوصیات شیمیایی در تصفیه‌خانه فاضلاب در محدوده شهر ساری بررسی شده است. در هر بخش، با استفاده از الگوریتم مناسب، داده‌های موجود به‏منظور سنجش بهره‌وری ارزیابی شده است. در بخش تصفیه فاضلاب تحلیل پارامترهای موثر در تصفیه‌خانه فاضلاب شهر ساری با دو روش شبکه‌های عصبی مصنوعی و موجک انجام شد. نتایج خروجی این مدل‌ها نشـان داد بـا توجه‏ به بالا بودن مقدار آماره R²، رابطه قابل قبول و مستقیمی بین مشخصه‌های اندازه‌گیـری شده و برآورد شده برقرار است. در بخش آب‌های زیرزمینی، مطابق با نتایج به‏ دست آمده، شبکه موجک در برآورد متغیرهای مورد نظر نسبت به روش ANN عملکرد بهتری را نشان داد. در بخش شبکه توزیع آب نتایج تحلیل موجک و خروجی‌های نرم‌افزار WaterGems مشخص نمود که شد  فرسوده بودن شبکه توزیع آب مورد مطالعه نقش بسزایی در تلفات و کاهش بهره‌وری آن دارد، به ‏نحوی ‏که حدود  47 درصد آب ورودی به شبکه به طرق مختلف از دسترس خارج شده و تلف می‏شود.

کلیدواژه‌ها

ساری؛ شبکه موجک؛ تصفیه فاضلاب؛ هوش مصنوعی؛ ANN

مراجع

اعلمی، محمدتقی، حجابی، نسیم، نورانی، وحید، و ثاقبیان، مهدی. (1400). بررسی کارایی روش‌های هوش مصنوعی در پیش‌بینی عملکرد تصفیه‌خانه فاضلاب در شهر تبریز. عمران امیرکبیر، 53(3)، 1033-1048. doi: 10.22060/ceej.2019.16757.6334
امامی، سمیه، و چوپان، یحیی. (1399). استفاده از روش‌های نوین هوش مصنوعی در بررسی کیفیت منابع آب زیرزمینی در دشت سلماس. زمین‌شناسی محیط‌زیست، 14(50)، 39-55.
صادقی، حمیدرضا، محمودی، بهروز، و پیشوائی، سامان. (1401). شیوه‌نامه تعیین و سنجش نماگرهای بهره‌وری استان‌ها. انتشارات سازمان ملی بهره‌وری ایران، تهران، ایران
محمودی، بهروز، صادقی، حمیدرضا، و خاکسار، سمانه (1400). سیمای بهره‌وری ایران، انتشارات سازمان ملی بهره‌وری ایران. تهران، ایران.
وجاهت، جواد، صراف، شادی. (1400). بررسی تاثیرات یکپارچه‌سازی هیدرولیکی و تعیین شاخص تاب‌آوری و بهره‌وری سامانه‌های شبکه توزیع آب. پژوهش‌های مهندسی آب ایران، 1(1)، 15-25. doi: 10.22034/ijwer.2022.301276.1002
Alam, G., Ihsanullah, I., Naushad, M., & Sillanpää, M. (2022). Applications of artificial intelligence in water treatment for optimization and automation of adsorption processes: Recent advances and prospects. Chemical Engineering Journal, 427, 130011. doi: 10.1016/j.cej.2021.130011
Kisi, O., & Cimen, M. (2012). Precipitation forecasting by using wavelet-support vector machine conjunction model. Engineering Applications of Artificial Intelligence, 25(4), 783-792. doi: 10.1016/j.engappai.2011.11.003
Legg, S., & Hutter, M. (2007). A collection of definitions of intelligence. Frontiers in Artificial Intelligence and applications, 157, 17.
Liu, E., Wen, D., Peng, S., Sun, H., & Yang, Y. (2017). A study of the numerical simulation of water hammer with column separation and cavity collapse in pipelines. Advances in Mechanical Engineering, 9(9), 1687814017718124. doi: 10.1177/1687814017718124
Rizal, N. N. M., & Hayder, G. (2023). Forecasting effluent biochemical oxygen demand in sewage treatment plants using machine learning and user-friendly interface. International Journal of Environmental Research, 17(1), 4. doi: 10.1007/s41742-022-00493-8
Seyoum, A. G., & Tanyimboh, T. T. (2017). Integration of hydraulic and water quality modelling in distribution networks: EPANET-PMX. Water Resources Management, 31, 4485-4503. doi: 10.1007/s11269-017-1760-0
Taşan, S. (2023). Estimation of groundwater quality using an integration of water quality index, artificial intelligence methods and GIS: Case study, Central Mediterranean Region of Turkey. Applied Water Science, 13(1), 15. doi: 10.1007/s13201-022-01810-4