بخشی از مقاله
چکیده
توزیع غیر یکنواخت آب در طول مکان و زمان، وجود بیشترین تقاضاي آب در زمان وقوع کمترین بارندگی، عدم توازن بین عرضه و تقاضاي آب و همچنین افزایش تقاضاي آب و محدودیت منابع آبی، استفاده بهینه از منابع آب را ضروري ساخته است. در حال حاضر یکی از بزرگترین معضلات در شبکههاي آبرسانی نشت میباشد، بنابراین کاهش مقدار آب به حساب نیامده از اهمیت بسیار بالایی برخوردار است.
در این مقاله یک ایده جدید جهت تعیین موقعیت و مقدار نشتهاي موجود در شبکههاي توزیع آب با استفاده از انفیس معرفی میشود. در این روش آموزش انفیس با ایجاد نشتهاي فرضی در شبکه مدلسازي شده در نرمافزار 1غشAبغ انجام میگردد. نتایج نشاندهنده آن است که این روش بدون حساسیت به موقعیت، مقدار و تعداد نشتهاي موجود در شبکه واقعی در صورت آموزش صحیح و انتخاب مناسب گرههاي فشارسنجی، گرههاي نشتدار به همراه مقدار نشت را با دقت بالایی شناسایی میکند.
١- مقدمه
کشور ایران با متوسط بارش سالانه حدود 260 میلیمتر در زمره مناطقی از جهان است که از موهبت نزولات جوي به اندازه کافی بهرهمند نمیباشد .[1] با توجه به رشد جمعیت در ایران، پیشبینی میشود سرانه منابع تجدید شونده سالانه تا سال 1400 به حدود 800 متر مکعب بر ثانیه کاهش یابد که پایینتر از مرز کم آبی 1000 - متر مکعب - است. با توجه به تقسیمس بندي سازمان ملل متحد، در سالهاي پیش رو ایران نه تنها شرایط تنش و فشار ناشی از کمبود آب را تجربه خواهد کرد، بلکه وارد شرایط شدید کم آبی میگردد.
[2] شایان ذکر است که بحران آب، نه تنها میتواند عامل خسارات اقتصادي باشد، بلکه تنشهاي اجتماعی، سیاسی و مخاطرات بهداشتی به بار خواهد آورد. یکی از اقدامات مهم براي مقابله با بحران کاهش آب به حسابنیامده است. طبق تعریف بانک جهانی، آب به حساب نیامده - حًس - 1 عبارت است از تفاوت بین حجم خالص آبی که به شبکه وارد میشود و به مصرف میرسد. لازم به ذکر است که از سال 2000 به بعد مفهوم آب بدون درآمد - حلش - 2 توسط A - حع - 3 به عنوان جایگزین مفهوم آب به حساب نیامده مورد استفاده قرار گرفته است.
[3] در تعریف فوق نشت ایجاد شده بعد از کنتورهاي مشترکین در میزان آب به حساب نیامده دخالت نخواهد داشت. طبق استاندارد بانک جهانی سامانههاي آبرسانی کارآمد، داراي آب به حساب نیامده کمتر از 15 درصد میباشند. در کشورهاي در حال توسعه میزان 15 تا 20 درصد براي آب به حساب نیامده طبیعی است. بر اساس نتایج بدست آمده از مناطق مطالعاتی آب به حساب نیامده در سطح کشور ایران از سال 1373 تا 1380، متوسط آب به حساب نیامده مناطق مطالعه شده 40/6 درصد بوده است .[3] در چند دهه اخیر مجامع بینالمللی و کشورهاي پیشرفته توجه خاصی به مسئله محدودیت منابع آب و یافتن راه حلهایی در زمینه مقابله با کمبود آب به ویژه جلوگیري از تلفات آب معطوف داشتهاند.
در طول سالهاي گذشته اقدامات زیادي در زمینه تعیین نشت در شبکههاي آبرسانی صورت گرفته است. به عنوان نمونه پرز و همکاران با استفاده از آنالیز حساسیت فشار به تعیین موقعیت نشت در شبکه شهر بارسلونا پرداختند .[4] جینگ و ژي-هونگ4 با استفاده از اطلاعات موجود شبکه شامل جنس، قطر، فشار، عمق قرارگیري لوله و سن به تعیین رابطهاي براي پیشبینی زمان نشت پرداختند .[5] مارانگا و همکاران5 با کاهش 35 درصدي در میزان فشار، مقدار نشت در شبکه آبرسانی 25 درصد کاهش دادند.
[6] لی و همکاران با در نظر گرفتن جنس لوله، سن لوله، قطر لوله و طول لوله به عنوان پارامترهاي اصلی موثر در نشت، با استفاده از الگوریتم ژنتیک6 جهت پیشبینی شکست لوله، روشی را براي تشخیص هشدار زود هنگام و کنترل نشت خط لوله پیشنهاد کردند .[7] اراجو و همکاران7 تحقیقاتی موفقیتآمیز را با موضوع به حداقل رساندن نشت با کنترل فشار ارائه دادهاند .[8] پرودون و همکاران8 نیز روشی را براي تشخیص نشت در شبکههاي آب شهري با استفاده از سیستمهاي تشخیص صوتی پیشنهاد نمودند .[9]
در این مقاله یک ایده جدید جهت تعیین موقعیت و مقدار نشت در شبکههاي آبرسانی ارائه میگردد. در روش فوق میتوان با برداشت حداقل اطلاعات هیدرولیکی از نوع فشار با استفاده از انفیس به موقعیت و مقدار نشت در شبکههاي آبرسانی پی برد. نتایج حاصله نشاندهنده دقت بالاي این روش در تعیین موقعیت و مقدار نشت در شبکههاي آبرسانی است. انفیس نوعی شبکه عصبی مصنوعی است که بر اساس سیستم فازي تاکاگی - سوگنو1 است. انفیس قابلیت یادگیري دارد و قادر است که پس از یادگیري با اعمال یک مجموعه داده ورودي، مقادیر خروجی را شناسایی کند. در واقع میتوان گفت که از این مجموعه میتوان در پیشبینی استفاده کرد. در این مقاله ورودي به انفیس مقادیر فشار گرهی و خروجی از انفیس موقعیت و مقدار نشتهاي موجود در شبکههاي آبرسانی است.
-3 بررسی تئوري مدلسازي
با توجه به گستردگی و پیچیدگیهاي فراوان شبکههاي آبرسانی، دستیابی به یک سري روابط جهت تعیین موقعیت و مقدار نشت ممکن نیست. براي چنین سیستمهاي پیچیده میتوان از انفیس استفاده کرد. در این حالت نحوه کار بدین صورت خواهد بود که ابتدا شبکه مورد نظر - که میتواند یک شبکه واقعی باشد - را بایستی در نرمافزار 1غشAبغ مدلسازي کرد و صحتسنجی نیز صورت پذیرد. با توجه به آنکه از موقعیت و مقدار نشتهاي رخ داده در شبکه واقعی اطلاعاتی در دست نیست، مدلسازي نشتها بر روي شبکه مدلسازي شده در نرمافزار 1غشAبغ صورت میگیرد. در این حالت با قرار دادن مقادیر مختلف نشت بر روي گرههاي مختلف شبکه، مقادیر فشار شبکه برداشت میشود.
این عمل براي حالات مختلف مورد بررسی قرار میگیرد. با انجام این کار میتوان دادههاي آموزشی براي انفیس را آماده کرد. پس از اعمال این دادهها به انفیس، این سیستم آموزش دیده و در نتیجه قادر خواهد بود به رابطه بین مقادیر فشار در سیستم با مقدار نشت پی ببرد. در مرحله بعدي با اندازهگیري فشار در برخی از گرهها و یا لولههاي شبکه واقعی، میتوان به موقعیت و مقدار نشتهاي رخ داده شده در شبکه پی برد.
خلاصه مراحلی که باید جهت نشتیابی طی شود در شکل 1 نشان داده شده است. بر اساس فلوچارت نشان داده شده در شکل 1 پس از مدلسازي شبکه نیاز به اعمال نشت در برخی از گرههاي شبکه بوده و مقادیر فشار نیز باید برداشت گردد. این عمل براي حدود 1000 حالت مختلف از ترکیبات دو نشتی بر روي شبکه نشان داده شده در شکل 2 صورت گرفته است. به عبارتی براي کلیه دادهها فرض شده است که یک یا دو نشت همزمان در شبکه رخ داده است.
اگر مقدار نشت در شبکه مشخص باشد، میتوان انفیس را براي همان مقدار نشت آموزش داد و اگر مقدار نشت نامشخص باشد، آموزش بایستی براي رنج وسیعی از مقادیر نشت صورت پذیرد که این امر تعداد دادههاي آموزشی مورد نیاز جهت آموزش انفیس را بالاتر خواهد برد. بدیهی است که هر چه تعداد دادههاي آموزشی بیشتر باشد، انفیس بهتر آموزش خواهد دید. پس از آموزش انفیس میتوان به ازاي هر داده خارج از دادههاي آموزشی، خروجیها را با انفیس پیشبینی نمود. جدول 1 نمونهاي از این دادههاي آموزشی را براي فشار گرهی نشان میدهد.
