چکیده مقاله
شبکه های توزیع آب به عنوان شریان های حیاتی زیرساخت های شهری، نقشی اساسی در تامین سلامت عمومی و توسعه اقتصادی ایفا می کنند شکست لوله ها در شبکه های توزیع آب نه تنها منجر به هدر رفت قابل توجه آب و افزایش هزینه های تعمیر و نگهداری می شود، بلکه می تواند باعث قطعی خدمات، خسارت های جانبی و مشکلات بهداشتی گردد در چنین شرایطی، حرکت از رویکردهای واکنشی به سمت استراتژی های پیشگیرانه و مبتنی بر پیش بینی، برای مدیریت پایدار آب امری ضروری است مدل های مبتنی بر یادگیری ماشین به دلیل مهارتشان در مدیریت مجموعه داده های گسترده و پیچیده، به عنوان ابزاری برجسته در حوزه پیش بینی شکست لوله ظهور کرده اند این پژوهش باهدف توسعه و مقایسه عملکرد شش مدل یادگیری ماشین شامل؛ رگرسیون لجستیک، درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی و درخت تقویت شده برای پیش بینی شکست لوله انجام شد مدل ها با استفاده از مجموعه داده ای شامل ویژگی های فیزیکی و عملیاتی لوله طول، قطر، عمق، سن، فشار و جنس با تقسیم بندی ۷۰ درصد برای آموزش و ۳۰ درصد برای اعتبارسنجی، توسعه یافته اند علی رغم انتظارات اولیه، مدل های پیچیده تری مانند جنگل تصادفی و درخت تقویت شده، باوجود عملکرد بی نقص روی داده های آموزشی، دچار بیش برازش شدید شده و برای کاربرد واقعی غیرقابل اعتماد تشخیص داده شد مدل های درخت تصمیم و شبکه عصبی با ارائه حساسیت بالا و تفسیرپذیری عالی روی هر دو داده آموزشی و اعتبارسنجی به عنوان گزینه های برتر معرفی گردیدند مدل های ماشین بردار پشتیبان و رگرسیون لجستیک به دلیل حساسیت بسیار پایین برای پیش بینی پیشگیرانه، نامناسب تشخیص داده شدند
کلیدواژهها
نویسندگان
محسن ستاری
دانشجوی دکتری، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
همایون مطیعی
دانشیار، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
شیوه ارجاع
�تاری، محسن و مطیعی، همایون،1404،تحلیل مقایسه ای مدل های یادگیری ماشین برای پیش بینی شکست لوله در شبکه های توزیع آب،سومین همایش ملی مدیریت کیفیت آب و پنجمین همایش ملی مدیریت مصرف آب با رویکرد کاهش هدررفت و بازیافت،تهران
ارائهشده در
مجموعه مقالات سومین همایش ملی مدیریت کیفیت آب و پنجمین همایش ملی مدیریت مصرف آب با رویکرد کاهش هدررفت و بازیافت11 آذر 1404 · تهران