پیش‌بینی شکست لوله‌ها با مدل رگرسیون‌ لجستیک وزن‌دار برای مدیریت داده‌های نامتعادل و رویدادهای مکرر (مطالعه موردی: منطقه 2 شهری تهران)

ستاری, محسن; مطیعی, همایون

doi:10.22112/jwwse.2026.560844.1470

پیش‌بینی شکست لوله‌ها با مدل رگرسیون‌ لجستیک وزن‌دار برای مدیریت داده‌های نامتعادل و رویدادهای مکرر (مطالعه موردی: منطقه 2 شهری تهران)

مقالات آماده انتشار

نویسندگان

محسن ستاری ¹

همایون مطیعی ²

¹ دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران

² دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی

10.22112/jwwse.2026.560844.1470

چکیده

پیش‌بینی شکست لوله در شبکه‌های توزیع آب، برای گذار از نگهداری واکنشی به مدیریت دارایی مبتنی بر ریسک، امری ضروری است. اما توسعه مدل‌های پیش‌بینی دقیق با چالش‌های عدم تعادل کلاس‌ها و ماهیت تکرارشونده شکست‌ها مواجه است که اغلب نادیده گرفته می‌شوند. این پژوهش با توسعه یک مدل رگرسیون لجستیک وزن‌دار به عنوان یک تکنیک یادگیری ماشین، به این چالش‌ها پاسخ می‌دهد. در تحقیق حاضر از داده‌های واقعی شکست لوله‌ها در بخشی از شبکه توزیع آب تهران به مدت 12 سال استفاده گردید. داده‌ها به صورت تصادفی به دو زیرمجموعه ۷۰ درصد برای آموزش و ۳۰ درصد برای اعتبارسنجی تقسیم شد تا عملکرد مدل بر روی داده‌های دیده‌نشده صحت‌سنجی گردد. برای ارزیابی مدل از منحنی ROC استفاده شد و مدل با AUC برابر ۰.۸78 در مجموعه اعتبارسنجی، قدرت پیش‌بینی بالایی را از خود نشان داد. طول و سن لوله به ترتیب به عنوان مهم‌ترین پیش‌بینی‌کننده‌ها شناسایی شدند. یک یافته کلیدی، ضریب منفی سن لوله بود که به سوگیری بازماندگان ناشی از شکست‌های زودهنگام به دلیل نصب نامناسب نسبت داده شد. این مدل می‌تواند بعنوان ابزاری قابل اعتماد برای شرکت‌های آب جهت اولویت‌بندی بازرسی و جایگزینی فراهم کرده و بر نقش حیاتی کیفیت نصب در کنار ویژگی‌های فیزیکی لوله تأکید می‌کند.

کلیدواژه‌ها

شکست لوله

شبکه توزیع آب

یادگیری ماشین

داده‌های نامتعادل

رویدادهای تکرارشونده