مدل‌سازي و پيش‌بيني كوتاه‌مدت تقاضاي آب شهري

Modeling and Forecasting of Urban Water Short-run Demand

آب به عنوان يكي از مهم‌ترين منابع تامين نياز بشر در زندگي روزمره نقش حياتي ايفا مي‌كند. لذا آگاهي از ميزان تقاضاي مورد نياز آب جهت اعمال سياست‌گذاري‌هاي لازم در راستاي مديريت تقاضا، از اهميت ويژه‌اي برخوردار مي‌باشد. در اين مقاله، تقاضاي روزانه آب شهر تهران براي يك دوره هفت ساله با استفاده از روش‌هاي غيرخطي شبكه‌ عصبي مصنوعي و فرايند خطي ARMA مدل‌سازي گرديد و در ادامه تقاضاي روزانه آب شهري براي ده روز آينده پيش‌بيني گرديد. در طراحي شبكه‌عصبي مصنوعي، عوامل موثر بر تقاضاي روزانه آب شهري، دماي هوا(حداقل، حداكثر و متوسط)، روزهاي هفته، ايام تعطيلات و روزهاي خاص در نظر گرفته شد. نتايج حاصل از بكارگيري معيارهاي ارزيابي دقت پيش‌بيني، نشان مي‌دهد كه شبكه‌ عصبي مصنوعي در پيش‌بيني تقاضاي روزانه آب شهر تهران نسبت به مدل ARMA از قدرت بالاتري برخوردار مي‌باشد.

Water is one of the most importance sources for provision of the human needs that plays a vital role in current life. Therefore awareness about water demand is important for necessary policy making for demand management. In this paper we modeled Tehran water daily demand by nonlinear Artificial Neural Network and linear process of ARMA for a 7 years period and forecasted the urban water daily demand for 10 days. The effective factors on urban water daily demand in designing of neural network are temperature (minimum, average, maximum), week days, holidays and special days. Results present that artificial neural network have higher power than ARMA in forecasting the Tehran city water daily demand on the basis of indicators of forecast accuracy valuation.