ارزیابی مدل های پیش بینی بلندمدت مصرف آب شهری
Publish place: 6th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,171
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCWMSWRM06_062
Index date: 12 July 2014
ارزیابی مدل های پیش بینی بلندمدت مصرف آب شهری abstract
پیش بینی تقاضای آب شهری و شناخت عوامل موثر بر آن، یکی از گامهای مهم در مدیریت مصرف آب است. زیرا راه حل موثر تنها عرضه آب نیست، بلکه اتخاذ سیاستها و تدابیر لازم مبتنی بر الگوی مصرف و نیز توجه کافی به عوامل طرف تقاضای آب از اهمیت بالایی برخوردار است. در مسائل پی شبینی به دلیل تعدد و تنوع فاکتورها و عوامل غیرقابل کنترل، پیشبینی وضعیت آینده در هر یک از مراحل و در نهایت تصمیم سازی در مورد آنها بسیار مشکل است. دخیل بودن عوامل انسانی و محدود بودن اطلاعات اولیه بر دشواری پیش بینی و تصمیم سازی در این گونه مسائل میافزاید. هدف از انجام این مقاله، بررسی و مقایسه عملکرد مدلهای پیش بینی مصرف آب شهری در طول 5 دهه ی گذشته (سری زمانی، شبکه عصبی، فازی و نوروفازی) و توانایی این مدلها در لحاظ کردن انواع پارامترهای تأثیرگذار پیشبینی است. در انتها نیز مدلی نوین با عنوان مدل بیزین جهت پیش بینی مصرف آب شهری، معرفی میگردد. مدل بیزین بیشترین دقت و توانایی را از لحاظ ساختاری به منظور پیش بینی مصرف خواهد داشت. نتایج حاصل از این مقاله نشان میدهد که ساختار شبکه بیزین به دلیل ماهیت احتمالاتی، عدم نیاز به اطلاعات دقیق و تاریخچه کامل یک واقعیت، دقت بالایی در پیش بینی مصرف آب شهری خواهد داشت و میتواند به عنوان ابزاری توانمند در اختیاران تصمیم گیران حوضه مدیریت آب شهری قرار گیرد
ارزیابی مدل های پیش بینی بلندمدت مصرف آب شهری Keywords:
ارزیابی مدل های پیش بینی بلندمدت مصرف آب شهری authors
مهدی ملارمضانی
دانشجوی کارشناسی ارشد مهندسی آب، دانشکده مهندسی عمران، دانشگاه تهران، ایران
مسعود تابش
استاد دانشکده مهندسی عمران و عضو قطب علمی مهندسی و مدیریت زیرساختهای عمرانی، پردیس دانشکدههای فنی، دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :