توسعۀ یک مدل خبره برای پیش بینی تقاضای آب شهری با استفاده از شبکۀ عصبی مصنوعی، نمونه موردی شهر ایلام

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار شهرسازی، دانشکدۀ هنر و معماری، دانشگاه تربیت مدرس

2 استاد طراحی شهری، دانشکده هنر و معماری، دانشگاه تربیت مدرس، تهران، ایران.

3 کارشناس ارشد شهرسازی، دانشکدۀ هنر و معماری، دانشگاه تربیت مدرس

4 پژوهشگر دکتری سازه های آبی، دانشگاه تربیت مدرس

چکیده

مدیریت و تأمین آب شهری، همواره یکی از دغدغه های اصلی مدیران و برنامه ریزان شهری بوده است. شناخت تقاضای آب شهری و عوامل مؤثر بر آن، از مولفه های مهم در مدیریت و کنترل مصرف آب شهری محسوب می شود. در تحقیق حاضر مدلی خبره برای پیش بینی تقاضای آب شهری ایلام با استفاده از شبکۀ عصبی مصنوعی توسعه یافته است. مدل خبره، مبتنی بر عوامل مؤثری است که از درآمد سالانه ( x1)، ناحیه مصرف(x2)، عرصه(x3 )، اعیان((x 4، بعد خانوار(x 5  )، تعداد شیر آب منزل( 6 x )، قیمت سالانه آب( 7x) به عنوان متغیرهای پیشگوی تقاضای آب مسکونی شهری سالیانه  (AURWD)   به عنوان متغیر خروجی استفاده می نماید. با استفاده از مجموعه داده های گردآوری شده و پیش پردازش آنها، ساختار بهینۀ مدل خبره بدین صورت بدست می آید: 3 لایه با 7 نرون در لایۀ ورودی، 10 نرون در لایۀ مخفی و یک گره در لایۀ خارجی که از تابع فعال سازی تنسیگ 2 استفاده میکنند. مقایسۀ کمی و کیفی نتایج مدل خبره با مقادیر مشاهده شده با استفاده از شاخص های آماری ضریب همبستگی  3 (R2)  و مربع میانگین ریشه  ( RMSE)و آزمون های گرافیکی، نشان داد که مدل خبره شبکۀ عصبی مصنوعی  (ANN) 5 کارایی خوبی در پیش بینی تقاضای آب مسکونی شهری سالیانه دارد، همچنین یک معادله رگرسیون خطی چندگانه ( MLR )6 برای برآورد تقاضای آب مسکونی شهری سالیانه با استفاده از عوامل مؤثر ارائه شده است. مقایسۀ معادله AURWD-MLR با AURWD-ANN نشان داد که مدل خبره بر پایه شبکۀ عصبی مصنوعی از کارآمدی بیشتری برخوردار است. مدل خبرۀ توسعه یافته در این تحقیق به عنوان کی پشتیبان تصمیم خبره، می تواند توسط برنامه ریزان و مدیران شهری مورد استفاده قرار گیرد.  

کلیدواژه‌ها


عنوان مقاله [English]

Developing an Expert System Model for Predicting Annual Urban Residential Water Demand Using Artificial Neural Network (Case Study: Ilam City)

نویسندگان [English]

  • Aliakbar Taghvaei 1
  • Mohammad Reza Pourjafar 2
  • Mostafa Hossein Abadi 3
  • Hossein Riyahi Medvar 4
2 Professor of Urban Design, Faculty of Art and Architecture, TarbiatModares University, Tehran, Iran.
چکیده [English]

Water supply and its management for cities have been the main concerns of urban mangers and planners. The recognition of the amount of water demand and its related effective factors are treated as the important parameters in managing and controlling of urban water consumption. In this study, an expert model for predicting annual water demand using Artificial Neural Network (ANN) has been developed for water supply of the City of Ilam. The input parameters of the model as predictive variables are: Annual Income(X1), Consumption Zone(X2), Area(X3), building area(X4), Family size(X5), Number of valves(X6), and Annual water price(X7). The output parameter is Annual Urban Residential Water Demand (AURWD). By using the collected data and their preprocessing, an optimum structure of the expert model was derived. This was composed of: 3 layers with 7 neurons in the internal level, 10 neurons in the hidden level; and one node as the external layer in which Tansing activating function has been utilized. The comparisons of quantitative and qualitative results of the expert model with the observed quantities based on statistical criteria R2, RMSE and graphical tests indicate that ANN has been effectively implicated in AURWD prediction. Also by using the effective factors, a Multi Linear Regression (MLR) equation for AURWD has been developed. Comparisons of AURWD-MLR equation results with the expert model of AURWD-ANN show the superiority of expert system based on ANN to MLR equation. Therefore, the developed expert model in this study, AURWD-ANN, can be used as an expert decision support system by urban managers and planners.

کلیدواژه‌ها [English]

  • Expert System
  • Urban Water Demand
  • Effective Factors
  • Artificial Neural Network
  • IlamCity