| پیشبینی تقاضای کوتاه مدت آب شهری با استفاده از شبکه های عصبی بازگشتی |
| کد مقاله : 1051-IHA |
| نویسندگان |
|
حسین نامداری *، علی حقیقی، سید محمد اشرفی دانشکده مهندسی عمران و معماری، دانشگاه شهید چمران اهواز |
| چکیده مقاله |
| یکی از الزامات مدیریت شبکههای توزیع آب شهری، پیشبینی میزان تقاضای کوتاه مدت آب برای یک شبانه روز در بازه ساعتی میباشد. تقاضای آب دارای ماهیت سری زمانی و الگویی با ساختار پیچیده بوده و تابعی از عوامل فراوان میباشد که شبکههای عصبی عمیق میتوانند گزینه مناسبی جهت استخراج این الگوی پیچیده باشند. در این مطالعه ازشبکههای عصبی LSTM و GRU که از شبکه های عصبی عمیق و جزء شبکه های عصبی بازگشتی میباشند، جهت پیشبینی میزان تقاضای کوتاه مدت آب استفاده شده و نتایج آنها با یکدیگر مقایسه گردیدند. تنظیم ابرپارامترها جهت رسیدن به معماری بهینه با سعی و خطا انجام شده و مدلها در بستر نرم افزاری تنسورفلو و کتابخانه کراس در پایتون پیاده سازی گردیدند. نتایج شاخص های ارزیابی در این مدلها نشان داد که شبکه عصبی GRU با خطای پیشبینی 3.78% با دقتی بالاتر نسبت به شبکه عصبی LSTM (با خطای 4.16%)، تقاضای کوتاه مدت آب در بازه ساعتی را پیشبینی می نماید. |
| کلیدواژه ها |
| شبکه عصبی LSTM، شبکه عصبی GRU، پیشبینی تقاضای کوتاه مدت آب شهری، شبکه عصبی عمیق، شبکه عصبی بازگشتی، شبکه توزیع آب شهری |
| وضعیت: پذیرفته شده برای ارائه شفاهی |