تحلیل هم‌زمان مصرف ماهانه آب، دمای هوا و فشار شبکه آبرسانی با استفاده از توابع کوپلا، مطالعه موردی: منطقه یک شهر اصفهان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران.

2 استاد دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران.

3 استادیار دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران.

4 دانش ‎آموخته کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران.

چکیده

تحلیل و کنترل مصرف ­آب در شبکه­های آبرسانی و توزیع آب، با توجه به شرایط اقلیمی کشور و این­که می­توانند کمک زیادی به طراحان و بهره­برداران از منابع آب داشته باشند، دارای اهمیت هستند. توابع مفصل یا همان کوپلا ابزار مناسبی برای تحلیل­های چند متغیره هستند که محدودیت­های توابع توزیع چند متغیره کلاسیک را ندارند. در این تحقیق عوامل تأثیرگذار دو و سه متغیره بر پیش‎بینی مصرف ­آب با استفاده از توابع مفصل خانواده ارشمیدسی در منطقه یک شهر اصفهان مطالعه می‌شود. نتایج نشان داد براساس معیارهای نیکویی برازش و نمودار Q-Q plot، تابع مفصل فرانک بین دومتغیر مصرف­ ماهانه ­آب و فشار شبکه برای این منطقه به‌عنوان تابع برتر با پارامتر مدل 02/2- انتخاب شد و در بخش سه ­متغیره، تابع مفصل گامبل با پارامترهای 1، 05/1 و 1 برای تمامی حالات انتخاب شد. با استفاده از توابع کوپلای برتر، توابع توزیع تجمعی شرطی دومتغیره و دوره­ بازگشت­های عطفی، فصلی و شرطی برای پیش­بینی مصرف آب مورد تجزیه ‌و تحلیل قرارگرفتند که می­توان با توجه به دوره­بازگشت­های مشخص و اعداد به‌دست‌آمده، آن­ها را در برنامه‌ریزی‌های مدیریتی به‌کار برد. هم‌چنین لازم‌به ذکر است که تحلیل سه متغیره به‌دلیل نتایج همبستگی نامناسب مورد بررسی قرارنگرفت.

کلیدواژه‌ها


نمایه اقلیمی اصفهان، (1394)، برگرفته از مجله اداره کل هواشناسی استان اصفهان، (http:/www.esfahanmet.ir./).
تابش، م.، گوشه، س.، و یزدان‌پناه، م.ج.، (1383)، "ارائه یک رابطه برای پیش‎بینی مصرف روزانه آب شهری با استفاده از شبکه‌های عصبی مصنوعی"،  اولین کنگره ملی مهندسی عمران، تهران.
جزءقاسمی، ع.، و نوروزی، ز.، (1399)، "پیش­بینی تقاضای آب شرب با استفاده از شبکه‌های عصبی مصنوعی: مطالعه موردی استان زنجان"، سومین کنگره علوم و مهندسی آب و فاضلاب ایران، دانشگاه شیراز، ایران.
 صفوی، ح. ر.، (1399)، هیدرولوژی مهندسی، چاپ پنجم، انتشارات ارکان دانش.  
علیزاده، ا.، (1388)،­ اصول هیدرولوژی کاربردی، چاپ بیست و پنجم، انتشارات امام رضا.
ملاباشی، آ.، علیان، ت.، و روشنی، س.، (1388)، "بررسی تغییرات دمای هوا بر میزان مصرف آب شهری: مطالعه موردی شهر کوهپایه اصفهان"، سومین همایش ملی آب و فاضلاب با رویکرد بهره‌برداری، 3-8، تهران.
 منزوی، م. ت.، (1387)، آبرسانی شهری، انتشارات دانشگاه تهران، ایران.
Fontanazza, C.M., Notaro, V., Puleo, V., and Freni, G., (2014), "Multivariate statistical analysis for water demand modeling", 16th Conference on Water Distribution System Analysis, WDSA, Procedia Engineering, 89, 901-908, https://doi.org/10.1016/j.proeng.2014.11.523.
Genest, C., Ghoudi, K., and Rivest, L.P., (1998), "Understanding relationships using copulas", by Edward Frees and Emiliano Valdez, North American Actuarial Journal, 2(3), 143-149, https://doi.org/10.1080/10920277.1998.10595749.
Herrera, M., Torgo, L., Izquierdo, J., and Perez-Garcia, R., (2010), "Predictive models for forecasting hourly urban water demand", Journal of Hydrology, 387(1-2), 141-150, https://doi.org/10.1016/j.jhydrol.2010.04.00.
Joe, H., (1997), Multivariate models and multivariate dependence concepts, CRC Press.
Nelsen, R.B., (2006), An introduction to copulas, Springer, New York, MR2197664.
Saad, C., El Adlouni, S., St-Hilaire, A., and Gachon, P., (2014), "A nested multivariate copula approach to hydrometeorological simulations of spring floods: The case of the Richelieu River (Québec, Canada) record flood", Stochastic Environmental Research and Risk Assessment, 29(1), 275-294, https://doi.org/10.1007/s00477-014-0971-7.‏
Salvadori, G., De Michele, C., and Kottegoda, N.T., and Rosso, R., (2007), Extremes in nature: An approach using copulas, Springer, Netherlands.
Salvadori, G., and De Michele, C., (2007), "On the use of copulas in hydrology: Theory and practice", Journal of Hydrologic Engineering, 12(4), 369-380, https://doi.org/10.1061/(ASCE)1084-0699(2007)12:4(369).
She, D., and Xia, J., (2018), "Copulas-based drought characteristics analysis and risk assessment across the loess plateau of China", Water Resources Management, 32(2), 547-564, https://doi.org/10.1007/s11269-017-1826-z.
Shiau, J.T., (2006), "Fitting drought duration and severity with two-dimensional copulas", Water Resources Management, 20, 795-815, https://doi.org/10.1007/s11269-005-9008-9.
Shuang, Q., and Zhao, R.T., (2021), "Water demand prediction using machine learning method: A case study of the Beijin-Tianjin-Hebei region in China", Water, 13(3), 310-326. https://doi.org/10.3390/w13030310.
Zhang, J., Lio, X., and Guo, B., (2016), " Multivariate copula-based joint probability distribution of water supply and demand in irrigation district", Water Resources Management, 30, 2361-2375, https://doi.org/10.1007/s11269-016-1293-y.
Zhang, L., and Singh, V.P., (2007), "Trivariate flood frequency analysis using the Gumbel–Hougaard copula", Journal of Hydrologic Engineering, 12(4), 431-439,
https://doi.org/10.1061/(ASCE)1084-0699(2007)12:4(431).
Zhang, L., and Singh, V.P., (2019), Copulas and their applications in water resources engineering, Cambridge University Press.
Zubaidi, S.L., Gharghan, S.K., Dooley, J., Alkhaddar, R.M., and Abdellatif, M., (2018), "Short-term urban water demand prediction considering weather factors", Water Resources Management, 32(14), 4527-4542,
https://doi.org/10.1007/s11269-018-2061-y.