پیش بینی نرخ شکست لوله ها در شبکه های توزیع آب با استفاده از روش های RCNN-SVR و FCMR

بهینه سازی برنامه های اصلاح، بازسازی و نوسازی شبکه های آب شهری به منظور استفاده صحیح از منابع محدود آب امری ضروری است. هدف از تحقیق حاضر پیاده سازی و مقایسه دو روش هوش مصنوعی به منظور پیش بینی نرخ شکست لوله های آب می باشد.

در این مقاله، اطلاعات اتفاقات شبکه آب شهر جوپار از سال 1391 تا 1398 جمع آوری شده است. پارامترهای بررسی شده در شکست لوله ها شامل جنس، سن، قطر، فشار آب و عمق نصب بوده که ضریب همبستگی این پارامترها با نرخ شکست بررسی گردیده است. به منظور پیش بینی نرخ شکست، از روش های شبکه عصبی کانولوشن با ماشین بردار پشتیبان (RCNN-SVR)  و رگرسیون فازی براساس خوشه بندی میانگین c (FCMR) استفاده شده است. جهت مقایسه عملکرد دو روش نیز از معیارهای میانگین مربعات خطا، درصد خطای میانگین مطلق، شاخص تطابق و ضریب تعیین بهره گرفته شده است.

با توجه به ارزیابی صورت گرفته، روش RCNN-SVR نسبت به روش FCMR نتایج بسیار مناسبی را نشان می دهد. همچنین همبستگی بین سن و نرخ شکست در لوله های آزبست بالا بوده و در لوله های پلی اتیلن این مقدار مثبت ولی کم می باشد. ضریب همبستگی بین فشار و نرخ شکست نیز برای هر دو جنس لوله مثبت است.

RCNN-SVR  مدل پیش بینی دقیق تری را نسبت به FCMR ارایه داده و خطای کمتری دارد. لذا این روش می تواند به طور موثر نرخ شکست لوله ها را پیش بینی نماید.