چکیده مقاله
میزان جمعیت، وضعیت اقلیمی، بالا رفتن سطح بهداشت و اقتصاد، فرهنگ جامعه، اهمیت یافتن بیشتر کیفیت اب، مهاجرپذیری، سیاست های مدیریت تقاضا و مصرف، عمر شبکه و کیفیت اجرای آن، نوع کاربری و گوناگونی آن، تعداد اعضای هر خانه و سن افراد خانه در میزان تقاضای آب موثرند افزایش فشار در گره ها و لوله ها و شبکه با هزینه های زیادی همراه است مدیریت هوشمند صحیح برای به حداقل رساندن هزینه ها و مدیریت بهینه سامانه های آبرسانی است برای کاهش هزینه های تخمین و پیش بینی می توان از هوش مصنوعی AI بهره گرفت در این مقاله، الگوریتم های یادگیری ماشین ML مانند برنامه ریزی ژنتیک GP و رگرسیون برداری پشتیبان SVR برای پیش بینی فشار آب اعمال شده اند برای شبیه سازی و بررسی رفتار هیدرولیکی آب در شبکه از نرم افزار EPANET استفاده شده است همچنین ارتباط بین نرم افزار MATLAB و نرم افزار EPANET به کمک کتابخانه پویا DLL امکان پذیر است الگوریتم های مذکور توانسته اند مقادیر فشار در شبکه را با دقت بالایی ۰/۹۴
کلیدواژه‌ها
نویسندگان
شکیبا یزدانی
دانش آموخته کارشناسی ارشد مهندسی عمران؛ گرایش مهندسی و مدیریت منابع آب، دانشگاه محقق اردبیلی
فریبرز معصومی
دانشیار گروه مهندسی عمران دانشکده فنی و مهندسی دانشگاه محقق اردبیلی ،
شیوه ارجاع
یزدانی، شکیبا و معصومی، فریبرز،1402،استفاده از رویکرد یادگیری ماشین در پیش بینی فشار در شبکه های آب شهری؛ مطالعهموردی الگوریتم های SVR و GP،دومین همایش ملی مدیریت کیفیت آب و چهارمین همایش ملی مدیریت مصرف آب با رویکرد کاهش هدررفت و بازیافت،تهران
ارائه‌شده در
مجموعه مقالات دومین همایش ملی مدیریت کیفیت آب و چهارمین همایش ملی مدیریت مصرف آب با رویکرد کاهش هدررفت و بازیافت7 آذر 1402 · تهران