ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Prediction of Water Demand in North of Palestine Using Artificial Neural Networks

المؤلف الرئيسي: Alkelani, Mohammad Tayseer Mahmoud Zaid (Author)
مؤلفين آخرين: Awad, Mohammed (Advisor)
التاريخ الميلادي: 2018
موقع: جنين
الصفحات: 1 - 117
رقم MD: 1019967
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: الجامعة العربية الأمريكية - جنين
الكلية: كلية الدراسات العليا
الدولة: فلسطين
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

75

حفظ في:
المستخلص: الماء مهم جدا للإنسان، في كل مجالاتنا الحياتية، الزراعة، الصناعة، والصحة، حيث ازداد استهلاك المياه بطريقة كبيرة. يعتبر استخدام المياه المنزلية من أهم العوامل الأساسية في سلسلة الطلب على المياه واستهلاكها في المناطق الحضرية. تم اقتراح العديد من النماذج والتقنيات الحسابية في العقود الأخيرة للتنبؤ بالطلب على المياه في سلاسل زمنية قصيرة أو طويلة الأمد، مثل الطرق الإحصائية والطرق الرياضية للتنبؤ بالكميات المستقبلية من الطلب اليومي والشهري والسنوي. تم تطبيق أساليب أخرى أكثر تقدما مثل مقاربات تحليل سلاسل الوقت. تعتمد غالبية هذه الطرق على استقراء الاتجاهات التاريخية وربط الطلب بالمتغيرات الاجتماعية والاقتصادية. من الضروري تقييم قدرة الموارد الحالية لتلبية الاحتياجات المستقبلية وتوفير الأساس لتخطيط النظام المستقبلي وتحسينه للحد من أوجه عدم اليقين في توقعات الطلب مثل النمو السكاني والتغير الاقتصادي والتغيرات في عادات الاستهلاك وتغير المناخ خاصة في منطقتنا، وبالتالي فإن التنبؤ بالطلب على المياه يساعد شركات توزيع المياه والحكومة على معرفة والتحقيق في الطلب المتوقع والآثار على تخطيط التنمية المستدامة. وفقا لمجموعة من التحديات التي تواجه سلطات المياه والبلديات وقطاع المياه، بصفة عامة، فإن أهم الأشياء هي نقص الأدوات التي يمكن أن تتوقع الطلب على المياه في المستقبل. في هذه الرسالة، نستخدم طرقا خطية وغير خطية للتنبؤ بالطلب على المياه في مدينة جنين، لهذا الغرض، نستخدم أنواعا مختلفة من الشبكات العصبية الاصطناعية (ANNs) مع طرق تعليمية مختلفة للتنبؤ بالطلب على المياه، مقارنة مع نوع معروف من الأساليب الإحصائية. يتم استخدام تقنية حسابية تعتمد على الشبكات العصبية الاصطناعية (ANNs)‏ وطريقة هجينة من NNs مع خوارزمية التحسين للتنبؤ بالطلب على المياه في المناطق الحضرية. تعتمد مجموعة البيانات على مجموعات البيانات المجمعة (المستخرجة من قواعد بيانات البلديات) خلال فترة زمنية محددة، ومن ثم نقترح نموذجا غير خطي للتنبؤ بالطلب على المياه شهريا وسنويا، وفي النهاية توفير نموذج التنبؤ الأكثر دقة مقارنة بالطرق الخطية وغير الخطية الأخرى. نحن نهدف إلى إنشاء نموذج قادر على إجراء تنبؤ دقيق للطلب على المياه في المستقبل لمدينة جنين. يتم إجراء هذا التنبؤ بأشهر زمنية أو سنوات زمنية، اعتمادا على البيانات المستخرجة، سيتم استخدام هذه البيانات لتغذية نموذج الشبكة العصبية لتنفيذ آليات ونظام يمكن استخدامه للتنبؤ بأمد قصير لطلب المياه. من المعروف بأن سلطة المياه في جنين تقوم بتنظيم الإمداد بالمياه يوما واحدا في الأسبوع لكل منطقة في المدينة، وتم تطبيق فكرة إبداعية لتنظيم توزيع المياه لكل منطقة في مدينة جنين اعتمادا على الاستهلاك السابق. تعتمد هذه الطريقة على استخدام خوارزمية التجميع K-means لتصنيف المناطق، بحيث يمكن للسلطات توفير المياه لكل منطقة مع عدد من الأيام للحصول على العدل في التوزيع. يتم تطبيق نوعين من الشبكات العصبية الاصطناعية بيرسبترون متعدد الطبقات MLPNN وخوارزمية تدريب ليفينبيرق ماركاردت LMA والشبكات العصبية الاصطناعية الشعاعية (RBFNNs) مع الخوارزميات الجينية للتدريب وللتعلم، بالإضافة لنوع واحد من الطرق الإحصائية الخطية يسمى المتوسط المتحرك المتكامل للانحدار (ARIMA)‏ على بيانات الطلب على المياه التي تم جمعها من مدينة جنين للتنبؤ بالطلب على المياه في المستقبل. تظهر النتائج التجريبية أن (MLPNN) يتفوق على نماذج (RBFNN) و(ARIMA) في التنبؤ بقيم الطلب على المياه. وعلاوة على ذلك، تم استخدام خوارزمية تجميع لبناء نظام توزيع عادل للمياه في مدينة جنين بالاعتماد على الاستهلاك السابق حيث كانت النتيجة التجريبية لتجميع المناطق وتصنيفها في المدينة فعالة لتوفير المياه بطريقة عادله.

عناصر مشابهة