مدل‌سازي هيدروليكي شبكه آبرساني فضاي سبز با استفاده از EPANET و پيش‌بيني مشخصات هيدروليكي آن به كمك هوش مصنوعي

Hydraulic Modeling of Water Supply Network of Green Spaces Using EPANET and Prediction of Hydraulic Characteristics Using Artificial Intelligence

بروز مشكل در هر يك از بخش ­هاي شبكه­ هاي آبرساني، در اثر پديده ­هاي ناشي از نوسانات فشار و يا سرعت، مي­تواند سبب ايجاد اختلال در زندگي مصرف ­كنندگان گردد. براي جلوگيري از بروز اين گونه مشكلات، طراحي مناسب و مديريت بهينه شبكه ­ها از اهميت بالايي برخوردار است. در پژوهش حاضر، كنترل­ فشار و سرعت جهت جلوگيري از بروز مشكلات در شبكه آبرساني بررسي شده و همچنين مشخصات هيدروليكي جريان در لوله­ ها توسط شبكه عصبي مصنوعي پيش­بيني ‌گرديد. در اين راستا، ابتدا با زون­ بندي شهر كنگاور در استان كرمانشاه (به عنوان مطالعه موردي) به نواحي شش­گانه براساس پارامترهاي توزيع، ترسيم شبكه­ هاي آبرساني فضاي سبز براي شهر با دوره طرح 10ساله و جمعيت هدف 95 هزار نفر، بر اساس الگوي آبياري 22 ساعته در شبانه ­روز و سرانه فضاي سبز 29/6 مترمربع در انتهاي دوره طرح انجام گرديد. سپس، با استفاده از نرم ­افزار EPANET به تحليل فشار، سرعت و دبي در شبكه پرداخته شد. براساس نتايج حاصل، بيشينه فشار در گره 3-3 در ناحيه سوم فشاري روي داد كه در حدود 100 متر آب است و بيشينه ميزان سرعت در شبكه، در حدود 1/4 متر بر ثانيه به دست آمد. همچنين، نتايج نشان داد كه دبي استفاده شده براي شبكه با توجه به قطر لوله­ ها و مسيرهاي انتخابي در نواحي مختلف در محدوده مناسب مي­باشد. در ادامه، با استفاده از مقادير اندازه ­گيري شده، شبكه عصبي مصنوعي آموزش داده شد و شبكه بهينه با ضرايب همبستگي 0/87 و 0/85 به ترتيب براي فاز آموزش و آزمون، انتخاب شد. سپس دبي، سرعت و افت جريان لوله توسط شبكه بهينه پيش ­بيني گرديد. نتايج نشان دهنده قابليت بالاي شبكه عصبي مصنوعي در تحليل و پيش ­بيني مشخصات هيدروليكي لوله­ هاي شبكه آبرساني بود.

The occurrence of a problem in each of the water supply network sections due to pressure or velocity fluctuations can cause disruptions in consumers’ regular life. To help avoid these problems, proper design and optimal management of the network is very important. In this study, control of water pressure and velocity to prevent problems in the water supply network is investigated, and hydraulic flow characteristics in pipes are predicted by artificial neural network. In this regard, first, by zoning of Kangavar city in Kermanshah province (as a case study), six zones were identified, based on distribution parameters, the water supply network for the green space of the city, for 10-year plan and target population of 95000, according to working pattern of 22 hours per day and per capita green space of 29.6 m2 at the end of design period was drawn. Then, EPANET software was used to analyze the pressure, velocity and flow in the pipe network. Based on the results, maximum pressure occurred in the 3-3 joint in the third pressure zone, which was about 100 m of water, and maximum velocity in the network was about 1.4 m/s. Also, results showed that the flow rate used for the network is due to the diameter of the pipes and selected paths in different zones in the appropriate range. Subsequently, artificial neural network was trained using the available quantities and the optimal network was selected with a correlation coefficient of 0.87 and 0.85, respectively, for training and testing phases, respectively. Then, the flow velocity and pipe friction-loss were predicted by the optimal network. Results indicated high potential of artificial neural network in analyzing and predicting hydraulic characteristics of water pipe networks.