مقايسه روش هاي رگرسيوني و شبكه عصبي مصنوعي در پيش بيني نرخ شكست و قابليت كاربري لوله ها در شبكه هاي توزيع آب

امروزه مشكلات بزرگ فراروی مدیران و تصمیم گیرندگان صنعت آب شهری در كشورهای در حال توسعه من جمله ایران، با توجه به رشد جمعیت، رشد تقاضا و افزایش مصرف آب، كمبود منابع جدید استحصال آب، فرسوده شدن شبكه های آبرسانی و تلفات بالای آن و محدودیت حجم اعتبارات مالی و امكانات اجرایی، بحث و لزوم تجدید نظر در روش های نگهداری و تعمیرات، نوسازی و بازسازی و سیاست های تخصیص بودجه را به منظور مدیریت بهینه بهره برداری از شبكه های توزیع آب شهری ضروری نموده است. ضمن اینكه سن شبكه به تنهایی دلیل قابل قبولی برای جایگزینی اجزای آن نمی باشد. مساله كمبود آب را در كشور ایران نمی توان به سادگی حل كرد، امّا با بهره برداری درست و اصولی از منابع آب و جلوگیری از هدر رفتن آب می توان نیاز آبی حال و آینده كشور را به نحو مطلوب تأمین نمود. هدف از اطمینان پذیری مكانیكی یا قابلیت كاربری شبكه های توزیع آب شهری، شناخت رفتار واقعی و برنامه ریزی جهت بهره برداری و مدیریت صحیح و اصولی آنها می باشد. از آنجایی كه قابلیت كاربری خاصیتی از شبكه نیست كه بطور مستقیم اندازه گیری كرد، لذا ارزیابی آن با استفاده از سایر مشخصه های شبكه كه بطور مستقیم قابل اندازه گیری و یا محاسبه هستند، صورت می گیرد. در همین راستا، یكی از كلیدهای مهم مدیریت بهینه بهره برداری و تدوین استراتژی های نوسازی و بازسازی در شبكه های توزیع آب شهری پیش بینی كردن نرخ شكست لوله ها و ارزیابی قابلیت كاربری آنها می باشد. در این مقاله با بررسی مدل های ساده رگرسیون موجود در پیش بینی نرخ شكست لوله به بیان محدودیت های آنها اقدام نموده، سپس با بررسی عوامل اساسی موثر در شكست لوله ها مدلی بر اساس روش های رگرسیون چند متغیره و هوش مصنوعی به منظور پیش بینی جامع و دقیق تر نرخ شكست و ارزیابی قابلیت كاربری لوله ها ارایه گردیده است. همچنین با استفاده از داده های جمع آوری شده حوادث لوله ها در شبكه های توزیع آب یكی از شهرهای كشور مطالعه موردی (Case study) انجام گردیده و نتایج اخذ شده مورد بررسی و مقایسه قرار گرفته است. در مقایسه با نتایج مدل رگرسیون نتایج حاصل از مدل شبكه عصبی مصنوعی موید توانایی آن با لحاظ كردن تعداد بیشتری از پارامترهای موثردر پیش بینی نرخ شكست لوله و ارزیابی قابلیت كاربری شبكه توزیع آب به عنوان یك روش تعمیر و نگهداری پیشگیرانه و هوشمند است.