دانشجو: خانم فاطمی ازیتا
استاد راهنما: دکتر سید حسین مهاجری
استاد راهنما: دکتر مجتبی مهرآیین
زمان: ۳۱ شهریور ماه ۱۴۰۴ ساعت: ۱۰:۳۰
مکان: دانشکده فنی و مهندسی کلاس ۲۰۳
چکیده:در این پایاننامه، روشی نوآورانه برای پیشبینی وضعیت شبکههای توزیع آب با استفاده از شبکههای عصبی گرافی (GNN) ارائه شده است. هدف اصلی، برآورد دقیق فشار گرهها و جریان لولهها در نقاط فاقد سنسور، با حداقل تعداد تجهیزات اندازهگیری و حداکثر دقت ممکن بوده است. برای این منظور، چارچوبی جهت انتخاب بهینه مکان نصب سنسورها طراحی شده که ترکیبی از شاخصهای «ارزش اطلاعات» (VOI) و «انتقال آنتروپی» (TE) را بهکار میگیرد. این رویکرد منجر به صرفهجویی چشمگیر در هزینهها شد؛ بهطوریکه تنها با ۸ درصد از سنسورهای فشار و ۷ درصد از سنسورهای جریان، مدلی ساخته شد که دقت آن با پایش سراسری شبکه برابری میکرد یا حتی بهتر بود. در این تحقیق، دو معماری گرافی توسعه داده شد: ۱. مدل گرهمحور برای پیشبینی فشار و تشخیص نشت، ۲. مدل یالمحور برای پیشبینی جریان در لولهها. معماری این مدلها با استفاده از بهینهسازی بیزی تنظیم شده و نتایج ارزیابی نشان داد که مدلها از دقت، پایداری و تعمیمپذیری بسیار بالایی برخوردار هستند. برای مثال، در پیشبینی فشار، ضریب تعیین (R&sup۲;) بیش از ۹۹ درصد و RMSE حدود ?.? متر ثبت شد. در پیشبینی جریان نیز ضریب تعیین (R&sup۲;) بیش از ۹۵ درصد با RMSE حدود ?.? لیتر بر ثانیه، عملکرد بسیار دقیقی حاصل شد. در زمینه تشخیص نشت، یک مدل گرافی گرهمحور توسعه یافت که با استفاده از دادههای پیش و پس از نشت، توانست نشتهایی با شدت ? تا ?? درصد از تقاضای گره را با دقت مناسبی تشخیص دهد. دو روش تعیین آستانه، شامل روش یودن (برای حساسیت بالا) و روش تعادل دقت–بازیابی (برای کاهش هشدار کاذب)، مورد استفاده قرار گرفت. در نهایت، این سیستم بهدلیل دقت بالا، سادگی پیادهسازی، عدم نیاز به کالیبراسیون پیچیده و امکان تعمیم به شبکههای بزرگتر، میتواند بهعنوان یک ابزار تصمیمیار مؤثر برای بهرهبرداران و مدیران شبکههای توزیع آب بهکار گرفته شود و نقش مهمی در مدیریت هوشمند، کاهش هدررفت و بهبود کیفیت خدماترسانی ایفا کند.
کلید واژهها: شبکههای عصبی گرافی، شبکه توزیع آب، سنسور، بهینهسازی، نشت
|