پيش‎بيني تقاضاي كوتاه مدت آب شهري با استفاده از شبكه هاي عصبي بازگشتي

يكي از الزامات مديريت شبكه‎هاي توزيع آب شهري، پيش‎بيني ميزان تقاضاي كوتاه مدت آب براي يك شبانه روز در بازه ساعتي مي‎باشد. تقاضاي آب داراي ماهيت سري زماني و الگويي با ساختار پيچيده بوده و تابعي از عوامل فراوان مي‎باشد كه شبكه‎هاي عصبي عميق مي‎توانند گزينه مناسبي جهت استخراج اين الگوي پيچيده ‎باشند. در اين مطالعه ازشبكه‎هاي عصبي LSTM و GRU كه از شبكه هاي عصبي عميق و جزء شبكه هاي عصبي بازگشتي مي‎باشند، جهت پيش‎بيني ميزان تقاضاي كوتاه مدت آب استفاده شده و نتايج آنها با يكديگر مقايسه گرديدند. تنظيم ابرپارامترها جهت رسيدن به معماري بهينه با سعي و خطا انجام شده و مدلها در بستر نرم افزاري تنسورفلو و كتابخانه كراس در پايتون پياده سازي گرديدند. نتايج شاخص هاي ارزيابي در اين مدلها نشان داد كه شبكه عصبي GRU با خطاي پيش‎بيني 3.78% با دقتي بالاتر نسبت به شبكه عصبي LSTM (با خطاي 4.16%)، تقاضاي كوتاه مدت آب در بازه ساعتي را پيش‎بيني مي نمايد.