پیش بینی مصرف آب با استفاده از تکنیک های داده کاوی

آب کلیدی ترین عنصر برای بقاء بشر است. با توجه به بحران آبی ایران و از طرفی تصمیم گیری ها و استفاده نادرست منابع آبی، ارائه راهکاری جهت پیش بینی مصرف آب می تواند در حوزه مدیریت مصرف آب، موثرواقع شود. در این مقاله راهکاری مبتنی بر یادگیری ماشین، برای مدیریت تامین آب و انجام اقدامات پیشگیرانه ارائه شده است. با در اختیار داشتن سری زمانی مصرف آب، دو مدل مبتنی بر یادگیری ماشین شامل ماشین بردار پشتیبان و شبکه عصبی طراحی گردید. در ابتدا به دلیل عملکرد ضعیف مدل های پیشنهادی متاثر از محدود بودن تعداد داده های آموزشی در مرحله یادگیری، توسط روش میانگین متحرک خودهمبسته یکپارچه، نمونه های آموزشی به مقدار کافی توسعه داده شد. در ادامه با استفاده از داده های واقعی مصرف آب، دقت پیش بینی مدل ها مورد ارزیابی قرار گرفت. نتایج نشان داد که ایده افزایش داده های آموزشی در افزایش دقت مدل های پیشنهادی بسیار موثر بوده است. به منظور افزایش دقت پیش بینی، یک مدل ترکیبی شامل شبکه عصبی و ماشین بردار پشتیبان با استفاده از معیار شباهت سری های زمانی پیشنهاد گردید. در ارزیابی نهایی مدل های پیش بینی مشخص شد که مدل ترکیبی با میزان خطای 0.199 و 0.111 برای دو معیار RMSE و MAE از عملکرد قابل مقایسه ای نسبت به هر دو مدل برخوردار است و قابلیت انتفاع از مزایای دو مدل ذکر شده را دارد.

Keywords:

مصرف آب , پیش بینی , سری زمانی , یادگیری ماشین , معیار شباهت