روش برنامه‏‏ نویسی ژنتیک (GP) در پیش ‏بینی میزان مصرف آب شهری (مطالعه موردی: شهر نجف آباد)

ارتقا سطح کیفی زندگی ساکنین شهرها به بهره مندی از زیرساخت شهری با کیفیت بالا، به‏ منظور برآورده کردن نیازهای روزانه وابسته است. شبکه آبرسانی شهری یکی از اساسی ترین زیرساخت ‏های شهری است که طراحی و سرویس ‏دهی مطلوب آن در طول دوره طرح ضروری است. ازاین ‏رو تعیین میزان واقعی مصرف و پیش ‏بینی آن در آینده اهیمت دارد. به‏ این ‏منظور در این تحقیق، از یک روش بر مبنای هوش مصنوعی، روش برنامه ‏نویسی ژنتیک (GP) و همچنین روش داده‏ کاوی ضریب هم‏بستگی پیرسون استفاده شده است. روش ‏های داده‏ کاوی بر روی بانک داده شامل داده‏ های روزانه دما، بارش، رطوبت و مقدار آب تولیدی روزانه برای شهر نجف آباد در اصفهان از ابتدای سال 1394 تا انتهای سال 1398اعمال و بهترین ترکیب از داده ‏های ورودی انتخاب شده است. داده‏ های منتخب به ‏عنوان بردارهای ورودی برای مدل‏ های پیشنهادی بر مبنای روش GP اعمال و مقدار آب تولیدی روزانه (نشان‏ دهنده آب مصرفی کل)شهر نجف آباد پیش بینی شده است. نتایج به ‏دست آمده با نتایج مدل‏ هایی بر مبنای شبکه عصبی مصنوعی (ANN) مقایسه شده است. برای بررسی عملکرد مدل‏‏ ها، شاخص ‏های آماری R²، RMSE و NSE محاسبه شده است. مقایسه نتایج نشان ‏دهنده عملکرد قابل قبول مدل‏ های پیشنهادی بر مبنای GP می‏ باشد. به ‏عبارت ‏دیگر، مقدار شاخص های آماری RMSE و NSE و R² و MAPE برای داده ‏های آموزش در بهترین مدل GP به ترتیب برابر با MCM 3262/59  و 0/80 و 0/80 و 5/38 درصد و برای داده‏ های آزمایش به ترتیب برابر با 3507/68 MCM و  78/78 و 0/0 و 6/67 درصد می‏ باشد.