view in publisher's site

Selecting a Domestic Water Demand Prediction Model for Climate Change Studies

Water demand analysis is needed for design, operation and management of urban water supply systems. Rapid urbanization, economical and industrial developments, and growth of population especially in developing countries have resulted in increasing water deficiency. The problem is more intensified in urban areas with a high density of population and limited water supply resources. In addition some climatic and socio-economic changes will intensify the water limitations. All of these changes should be incorporated in future water supply and demand management. Due to data availability and the importance of demand modeling in water supply planning, different methods are developed for demand simulation. In this study, the relative performance of different artificial neural network (ANN) techniques such as Feed Forward Neural Networks (FFNN), Generalized Regression Neural Networks (GRNN) and regression based approaches for water demand prediction are investigated. Then a better model is selected for climate change studies in the central part of Iran. To incorporate climate change impacts on water demand, downscaled climatic data are used in the selected model to project future demand. The results of this study show the increasing gap between water supply availability and water demand. Demand side management in a more rigorous and integrated fashion should be employed to fill this gap.

انتخاب مدل پیش‌بینی تقاضای آب داخلی برای مطالعات تغییر آب و هوا

تحلیل تقاضای آب برای طراحی، بهره‌برداری و مدیریت سیستم‌های تامین آب شهری مورد نیاز است. توسعه سریع، توسعه اقتصادی و صنعتی و رشد جمعیت به ویژه در کشورهای در حال توسعه منجر به افزایش کمبود آب شده‌است. این مشکل بیشتر در مناطق شهری با تراکم بالای جمعیت و منابع محدود تامین آب تشدید شده‌است. علاوه بر برخی تغییرات آب و هوایی و اجتماعی - اقتصادی محدودیت‌های آب را تشدید خواهد کرد. همه این تغییرات باید در تامین آب آینده و مدیریت تقاضا گنجانده شوند. به دلیل قابلیت دسترسی به داده‌ها و اهمیت مدل‌سازی تقاضا در برنامه‌ریزی تامین آب، روش‌های مختلفی برای شبیه‌سازی تقاضا ایجاد شده‌است. در این مطالعه، عملکرد نسبی روش‌های مختلف شبکه‌های عصبی مصنوعی (ANN)مانند تغذیه به جلو شبکه‌های عصبی (ffnn)، شبکه‌های عصبی رگرسیون Generalized (grnn)و رگرسیون مبتنی بر رگرسیون برای پیش‌بینی تقاضای آب مورد بررسی قرار گرفته‌است. سپس مدل بهتری برای مطالعات تغییر اقلیم در بخش مرکزی ایران انتخاب شده‌است. برای ترکیب اثرات تغییر اقلیم بر تقاضای آب، داده‌های آب و هوایی کوچک‌مقیاس در مدل انتخابی برای تقاضای آینده پروژه مورد استفاده قرار می‌گیرند. نتایج این مطالعه شکاف رو به رشد بین عرضه آب و تقاضای آب را نشان می‌دهد. مدیریت سمت تقاضا در یک روش دقیق‌تر و یکپارچه باید برای پر کردن این شکاف به کار گرفته شود.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.