فهرست نشریات علمی دسترسی آزاد ایران

پیش­بینی تقاضای آب در سیستم­های آب­رسانی به منظور مدیریت صحیح منابع آب و توزیع آن امری ضروری است. با توجه به روند پرنوسان و غیرخطی مصرف آب و متغیرهای موثر بر آن، استفاده از مدل­های غیرخطی مانند شبکه­های عصبی در این زمینه توفیق بیش­تری داشته­اند. از طرفی این مدل­ها دارای نقاط ضعفی مانند نیاز به داده­های آموزشی فراوان و ضعف در یافتن نقاط بهینه سراسری می­باشند. در این مطالعه با ادغام شبکه عصبی چند لایه با الگوریتم­های تکاملی PSO و ICA، علاوه بر رفع نقایص مذکور، اقدام به آموزش شبکه و پیش­بینی روزانه مصرف آب در شهرستان صوفیان بر اساس پارامترهای هواشناسی شده است. مقایسه نتایج شبکه ترکیب شده با الگوریتم­های PSO و ICA با شبکه­ای که توسط الگوریتم کلاسیک LM آموزش دیده، نشان می­دهد که شبکه­های ترکیبی عملکرد بهتری داشته و در این بین، شبکه عصبی ترکیبی با PSO، با ضریب همبستگی 98/0 در هر یک از فصول گرم و سرد سال، دقت بالاتری نسبت به سایر شبکه­ها دارد. همچنین پیش­بینی تقاضای آب با استفاده از مدل ترکیبی طراحی شده، با چشم­انداز 10 ساله، نشان می­دهد که تقاضای آب در این شهرستان در سال 1404 حدود 40% افزایش خواهد یافت.