مصطفی رضاعلی - دانشجوی کارشناسی ارشد عمران-محیط زیست دانشگاه صنعتی قم، قم، ایران،
عبدالرضا کریمی - استادیار گروه مهندسی عمران ، دانشگاه صنعتی قم، قم، ایران،
بایرامعلی محمدنژاد - استادیار گروه مهندسی عمران ، دانشگاه صنعتی قم، قم، ایران،
عبدالرضا رسولی کناری - استادیار گروه مهندسی کامپیوتر، دانشگاه صنعتی قم، قم، ایران،

تنش ناشی از خشسالی در ایران در دهه های اخیر رو بع افزایش بوده است. با افزایش جمعیت، افزایش میزان تقاضای آب و کاهش بارندگی، خشکسالی و کم بود آب بیشتر مورد توجه قرار می گیرد. یکی از راه های برون رفت از این بحران مدیریت عرضه و تقاضا آب است که لازم در کنار سایر اقدامات لازم برای مدیریت بحران آب مورد توجه قرار گیرد. بمنظور مدیریت عرضه و تقاضای آب لازم است تامیزان تقاضای آب آینده با دقت قابل قبولی پیش بینی شود. در دهه های اخیر، پژوهشگران با اولین کاربرد موفقیت آمیز هوش مصنوعی، به مقایسه و ارزیابی مدل های مبتنی بر هوش مصنوعی مانند شبکه عصبی مصنوعی با روش های آماری مبتنی بر رگرسیون خطی و غیرخطی پرداختند. در این پژوهش سعی شده با مقایسه عملکرد شبکه عصبی مصنوعی سری زمانی با مدل رگرسیون خطی چندگانه برای شهرک مهدیه قم، بهترین مدل موجود بررسی و انتخاب گردد. در نتیجه مدل شبکه عصبی مصنوعی سری زمانی با استفاده از الگوریتم های آموزشی لونبرگ مارکوات، شبه نیوتنی و گرادیان کاهشی مورد بررسی قرار گرفت و سپس بهترین مدلتوصیف کننده رفتار مصرف کننده انتخاب شد. مدل انتخاب شده سپس با مدل رگرسیون خطی چندگانه مورد مقایسه قرار گرفت و نقاط مثبت و منفی هر کدام تحلیل شد. نتایج نشان داد که مدل شبکه عصبی مصنوعی سری زمانی دقت بالاتری در مقایسه با مدل رگرسیون خطی چندگانه دارد.

پیش بینی تقاضا، شبیه عصبی مصنوعی، مدل رگرسیون کطی چندگانه، مدل های سریزمانی