خوشه‌بندي مكاني حوادث شبكه هاي توزيع آب براي اولويت بندي نواحي بازسازي

Clustering of Bursts in Water Distribution Networks for Prioritization of the Rehabilitation Area

شبكه هاي آبرساني ارتباط مستقيمي با توسعه اقتصادي و اجتماعي جوامع شهري دارند. با توجه به افزايش سريع جمعيت و توسعه شهرنشيني لازم است تا اين شبكه ها به طور مناسب نگهداري و بازسازي شوند. در اين مقاله، با بهره گيري از روش يادگيري غيرنظارتي و با استفاده از الگوريتم خوشه بندي مبتني بر چگالي OPTICS مناطق اولويت دار شبكه هاي توزيع آب جهت بازسازي تعيين گرديدند. 361 حادثه شكستگي رخ داده در يكي از پهنه هاي شبكه توزيع آب مشهد مورد بررسي واقع شد. اين الگوريتم در مجموع 16 خوشه را در پنج سطح متفاوت اهميت شناسايي كرد. اين 16 خوشه كه برخي زيرخوشه ديگري محسوب مي شوند از منظر نرخ شكست با يكديگر مورد مقايسه قرار گرفتند و سه خوشه كه به ترتيب نرخ شكستگي برابر با 79/1، 62/2 و 50/1 (حادثه/ 100 كيلومتر/ سال) را داشتند، به عنوان اولويت هاي اصلي بازسازي معرفي شدند. نرخ شكست ميانگين در كل شبكه مورد بررسي برابر با 14/8 بود. در ادامه، خوشه هاي شناسايي شده از منظر جنس و قطر لوله نيز مورد ارزيابي قرار گرفته و عوامل موثر در نرخ شكستگي آن ها، بررسي شدند. نتايج نشان داد كه الگوريتم خوشه بندي OPTICS با شناسايي خوشه هاي متعدد و سطح بندي آن ها توانايي قابل توجهي در تشخيص پهنه هاي اولويت دار براي برنامه هاي بازسازي دارد؛ بنابراين از روش پيشنهادي به عنوان ابزاري كاربردي و انعطاف پذير براي اولويت بندي بازسازي شبكه توزيع آب، شناسايي علل اصلي حوادث با پرهيز از روش هاي محاسباتي پيچيده و طولاني و به دور از قضاوت شخصي كارشناسان مي توان استفاده كرد.

Water supply networks are directly related to the economic and social development of urban communities. Due to the rapid increase in population and urbanization, these networks should be properly maintained and rehabilitated. In this paper, an unsupervised learning method with OPTICS density-based clustering algorithm is used to determine the priority areas for rehabilitation. 361 burst event data in one of the Mashhad water network zones were analyzed. The algorithm identified a total number of 16 clusters at 5 different levels of importance. These 16 clusters, which are considered sub-clusters for higher levels, were compared in terms of burst rate. Three clusters with failure rates of 79.1, 62.2, and 50.1 (failures/100 km/year) were introduced as the main priorities for rehabilitation and renovation, respectively. The average burst rate in the whole network was 14.8. The identified clusters were examined in terms of pipe material and diameter and their most affecting factors on the burst rate. The obtained results showed that the OPTICS clustering algorithm has a significant ability to determine priority zones for the rehabilitation plan, by identifying multiple clusters and their according levels. Therefore, the proposed method can be used as a practical and flexible tool to prioritize the rehabilitation process of water networks and identify the main causes of failure events, avoiding complex computational methods or the personal judgment of experts.