پیش بینی تعداد گرفتگی در شبکه فاضلاب شهری (مطالعه موردی: منطقه دو اصفهان)

امروزه شبکه فاضلاب بخش جدایی ناپذیر زندگی شهری محسوب می شود. با توجه به اهمیت این شبکه به عنوان یکی از زیرساخت های شهری، وقوع شکست در این سیستم علاوه بر توقف سرویس دهی، منجر به ایجاد پیامدهای اجتماعی، اقتصادی و محیط زیستی زیادی می شود. از این رو ارزیابی وضعیت شبکه های فاضلاب و شکست هایی که در شبکه اتفاق می افتد یک رویکرد مهم در مدیریت آن است. در حالت کلی منظور از شکست، کلیه حالاتی است که عملکرد سیستم با مشکل مواجه می شود. به طور کلی روش های هوش مصنوعی به عنوان روشی کم هزینه به منظور پیش بینی شکست مورد استفاده قرار می گیرند. در این پژوهش از برنامه ریزی ژنتیک به منظور پیش بینی تعداد گرفتگی (شکست هیدرولیکی) در شبکه فاضلاب، استفاده و نتایج آن با نتایج حاصل از مدل شبکه عصبی مقایسه شد. به این منظور قسمتی از شبکه فاضلاب شهر اصفهان به عنوان مطالعه موردی بررسی شد. با توجه به پارامترهای تاثیرگذار بر شکست هیدرولیکی، پارامترهایی نظیر سن، طول، شیب و عمق دفن لوله ها به عنوان ورودی و تعداد گرفتگی به عنوان خروجی مدل در نظر گرفته شد. در این پژوهش از اطلاعات مربوط به گرفتگی در شبکه فاضلاب مربوط به سال های 1394 و 1395 استفاده شد که 70 درصد داده ها برای آموزش و 30 درصد برای آزمایش به کار رفت. اطلاعات به سه شکل دسته بندی شد و سه مدل مختلف ارائه شد. در مدل اول اطلاعات بر اساس شیب و در دو مدل دیگر اطلاعات بر اساس عمق دفن، دسته بندی شدند و نتایج تحلیل شد. بررسی نتایج نشان داد که هر سه مدل دارای نتایج قابل قبولی هستند. همچنین مقایسه نتایج دو مدل نشان داد که دقت روش برنامه ریزی ژنتیک نسبت به شبکه عصبی بهتر است. به طور نمونه، در برنامه ریزی ژنتیک مقدار R2  و RMSE  برای مدل دوم در مرحله آموزش، 97/0 و 8/0 و در مرحله آزمایش به ترتیب برابر 94/0 و 69/0 بود که این مقادیر در شبکه عصبی در مرحله آموزش، 96/0 و 95/0 و در مرحله آزمایش به ترتیب برابر 87/0 و 96/0 بود. با بررسی نتایج به دست آمده، برتری روش برنامه ریزی ژنتیک نسبت به شبکه عصبی مشهود است. همچنین مدل دوم نتایج بهتری داشت. نتایج حاصل از این مدل ها را می توان در زمینه تعمیرات پیشگیرانه، اولویت بندی تعمیرات و بازرسی های شبکه فاضلاب به کار برد و در نتیجه از وقوع حوادث ناگهانی در شبکه جلوگیری نمود.