يك مدل تلفيقي از شبكههاي عصبي مصنوعي، تبديل موجك و ARMA در پيشبيني تقاضاي آب شهري

A Combined Model from Artificial Neutral Network , Wavelet Converting , and ARMA in Predicting the Demand for Urban Water

چكيده پيش بيني تقاضاي آب شهري كمك موثري است به مديران و بهره برداران سيستم هاي آب شهري ميباشد تا بتوانند نسبت به مديريت صحيح مصرف اقدام نمايند. در اين راستا پيشبيني دقيق تقاضا از اين نياز حياتي در دورههاي زماني مختلف حايز اهميت ميباشد. در اين پژوهش با طراحي يك روش جديد كه تلفيقي از مدلهاي خطي و غيرخطي است، به بررسي روند تقاضاي روزانه آب شهر تهران و عوامل موثر بر تقاضاي روزانه اين حامل پرداخته شد. دراين تحقيق، تقاضاي روزانه آب شهري براساس مدلهاي ARMA، شبكه عصبي مصنوعي و مدل تلفيقي براي 10 روز آينده به صورت "گام به گام"پيشبيني گرديد. در طراحي شبكه عصبي مصنوعي و مدل تلفيقي، عوامل موثر بر تقاضاي روزانه آب شهري، دماي هوا (حداقل، حداكثر و متوسط)، روزهاي هفته، ايام تعطيلات و روزهاي خاص در نظر گرفته شد. نتايج حاصل از به كارگيري معيارهاي ارزيابي دقت پيشبيني نشان ميدهد مدل تلفيقي نسبت به بقيه الگوها داراي خطاي كم و دقت بالايي در پيشبيني تقاضاي روزانه آب شهري است. پساز مدل تلفيقي، شبكه عصبي مصنوعي و فرآيند ARMA به ترتيب در اولويتهاي بعدي قرار گرفتند. طبقهبندي JEL: C53 , C5 كليد واژه‌ها: تقاضاي آب، پيشبيني، شبكههاي عصبي مصنوعي، مدل تلفيقي، ARMA.

Abstract Predicting the demand for urban water helps the managers and users of urban water systems to a great extent in order to manage properly in this regard . To do so , exact predicting of the demand for water is of great importance in different periods . In this study , by using a method which is combination of linear and non-linear models , daily demand for water in Tehran and the effective factors on daily demand has been studied . Daily demand for urban water is predicted step by step based on ARMA models , Artificial Neutral Network , and the combined model for the next 10 days . To design Artificial Neutral Network and the combined model , the effective factors on daily demand for urban water , temperature ( minimum , maximum , and average ( medium ) ) , weekly days , holidays , and the special days are considered . The results obtained from using criterion for accuracy evaluation show that the combined model has fewer error and high accuracy for this propose and Artificial Neutral Network and ARMA process are in next priorities . Classifying JEL: C5 , C53 Key words : Water Demand , Predict , Artificial Neutral Network , The Combined Model , ARMA