روش برنامه‏‏‌نویسی ژنتیک (GP) در پیش‌‏بینی میزان مصرف آب شهری (مطالعه موردی: شهر نجف آباد)

فصلنامه آب و توسعه پایدار

مقاله 8، دوره 10، شماره 3 - شماره پیاپی 29، پاییز 1402، صفحه 87-98   

نوع مقاله: پژوهشی کاربردی

شناسه دیجیتال (DOI): 10.22067/jwsd.v10i3.2306-1251

نویسندگان

محمدرضا علیخانی¹؛ رامتین معینی^{* 2}

¹دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، گروه عمران، دانشکده مهندسی عمران حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

²دانشیار، گروه عمران، دانشکده مهندسی عمران حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

چکیده

ارتقا سطح کیفی زندگی ساکنین شهرها به بهره‌مندی از زیرساخت شهری با کیفیت بالا، به‏ منظور برآورده کردن نیازهای روزانه وابسته است. شبکه آبرسانی شهری یکی از اساسی‌ترین زیرساخت‌‏های شهری است که طراحی و سرویس‌‏دهی مطلوب آن در طول دوره طرح ضروری است. ازاین ‏رو تعیین میزان واقعی مصرف و پیش‌‏بینی آن در آینده اهیمت دارد. به‏ این ‏منظور در این تحقیق، از یک روش بر مبنای هوش مصنوعی، روش برنامه‌‏نویسی ژنتیک (GP) و همچنین روش داده‏‌کاوی ضریب هم‏بستگی پیرسون استفاده شده است. روش‌‏های داده‏‌کاوی بر روی بانک داده شامل داده‏‌های روزانه دما، بارش، رطوبت و مقدار آب تولیدی روزانه برای شهر نجف‌آباد در اصفهان از ابتدای سال 1394 تا انتهای سال 1398اعمال و بهترین ترکیب از داده‌‏های ورودی انتخاب شده است. داده‏‌های منتخب به ‏عنوان بردارهای ورودی برای مدل‏‌های پیشنهادی بر مبنای روش GP اعمال و مقدار آب تولیدی روزانه (نشان‏‌دهنده آب مصرفی کل)شهر نجف آباد پیش‌بینی شده است. نتایج به ‏دست آمده با نتایج مدل‏‌هایی بر مبنای شبکه عصبی مصنوعی (ANN) مقایسه شده است. برای بررسی عملکرد مدل‏‏‌ها، شاخص‌‏های آماری R²، RMSE و NSE محاسبه شده است. مقایسه نتایج نشان‌‏دهنده عملکرد قابل قبول مدل‏‌های پیشنهادی بر مبنای GP می‏‌باشد. به ‏عبارت ‏دیگر، مقدار شاخص‌های آماری RMSE و NSE و R² و MAPE برای داده‌‏های آموزش در بهترین مدل GP به‌ترتیب برابر با MCM 3262/59  و 0/80 و 0/80 و 5/38 درصد و برای داده‏‌های آزمایش به ترتیب برابر با 3507/68 MCM و  78/78 و 0/0 و 6/67 درصد می‏‌باشد.

کلیدواژه‌ها

مصرف آب؛ پیش بینی؛ برنامه نویسی ژنتیک؛ شبکه عصبی مصنوعی؛ شهر نجف آباد

مراجع