پيش بيني نرخ شكست لوله ها در شبكه هاي توزيع آب با استفاده از روش هاي RCNN-SVR و FCMR

مقدمه: بهينه سازي برنامه هاي اصلاح، بازسازي و نوسازي شبكه هاي آب شهري به منظور استفاده صحيح از منابع محدود آب امري ضروري است. هدف از تحقيق حاضر پياده سازي و مقايسه دو روش هوش مصنوعي به منظور پيش بيني نرخ شكست لوله هاي آب مي باشد.روش: در اين مقاله، اطلاعات اتفاقات شبكه آب شهر جوپار از سال 1391 تا 1398 جمع آوري شده است. پارامترهاي بررسي شده در شكست لوله ها شامل جنس، سن، قطر، فشار آب و عمق نصب بوده كه ضريب همبستگي اين پارامترها با نرخ شكست بررسي گرديده است. به منظور پيش بيني نرخ شكست، از روش هاي شبكه عصبي كانولوشن با ماشين بردار پشتيبان(RCNN-SVR)  و رگرسيون فازي براساس خوشه بندي ميانگين c (FCMR) استفاده شده است. جهت مقايسه عملكرد دو روش نيز از معيارهاي ميانگين مربعات خطا، درصد خطاي ميانگين مطلق، شاخص تطابق و ضريب تعيين بهره گرفته شده است.يافته ها: با توجه به ارزيابي صورت گرفته، روش RCNN-SVR نسبت به روش FCMR نتايج بسيار مناسبي را نشان مي دهد. همچنين همبستگي بين سن و نرخ شكست در لوله هاي آزبست بالا بوده و در لوله هاي پلي اتيلن اين مقدار مثبت ولي كم مي باشد. ضريب همبستگي بين فشار و نرخ شكست نيز براي هر دو جنس لوله مثبت است.نتيجه گيري: RCNN-SVR  مدل پيش بيني دقيق تري را نسبت به FCMR ارائه داده و خطاي كمتري دارد. لذا اين روش مي تواند به طور موثر نرخ شكست لوله ها را پيش بيني نمايد.