| استفاده از شبکه عصبی GRU جهت پیشبینی تقاضای کوتاه مدت آب شهری |
| کد مقاله : 1080-IWWA |
| نویسندگان |
|
حسین نامداری *، علی حقیقی، سید محمد اشرفی دانشکده عمران و محیط زیست، دانشگاه شهید چمران اهواز |
| چکیده مقاله |
| پیشبینی میزان تقاضای کوتاه مدت آب برای یک شبانه روز در بازه ساعتی به منظور مدیریت شبکه های توزیع آب شهری ضروری میباشد. تقاضای آب دارای ماهیت سری زمانی و الگویی با ساختار پیچیده میباشد که عوامل فراوانی بر روی آن تاثیر دارد و شبکه های عصبی عمیق می توانند گزینه مناسبی جهت استخراج این الگوی پیچیده باشند. در این مطالعه ازشبکه عصبی GRU که یکی از شبکه های عصبی عمیق و جزء شبکه های عصبی بازگشتی میباشد، جهت پیشبینی میزان تقاضای کوتاه مدت آب استفاده شده و نتایج آن با نتایج مدلهای کلاسیک آماری شامل ARIMA و SARIMA مقایسه گردید. تنظیم ابر پارامترها جهت رسیدن به معماری بهینه در شبکه عصبی GRU با سعی و خطا انجام شده و مدل در بستر نرم افزاری تنسورفلو و کتابخانه کراس در محیط برنامه نویسی پایتون پیاده سازی گردید. نتایج شاخص های ارزیابی در این مدلها نشان داد که شبکه عصبی GRU با دقتی بسیار بالاتر از مدلهای ARIMA و SARIMA ، تقاضای کوتاه مدت آب در بازه ساعتی را پیشبینی می نماید و از آنجایی که داده های تقاضای آب از یک الگوی فصلی تبعیت می کنند، شاخصهای ارزیابی در مدل SARIMA نسبت به مدل ARIMA بسیار بهتر میباشد. |
| کلیدواژه ها |
| کلمات کلیدی: شبکه عصبی GRU، پیشبینی تقاضای کوتاه مدت آب، شبکه عصبی عمیق، شبکه عصبی بازگشتی، شبکه توزیع آب شهری |
| وضعیت: پذیرفته شده |