هوش مصنوعی و یادگیری ماشینی می‌تواند بینش‌های ارزشمندی را برای بهینه‌سازی سیستم‌های آب، بهبود برنامه‌ریزی زیرساخت‌ها و به حداقل رساندن هزینه‌های عملیاتی ارائه دهد. بطور کلی هدف شرکت‌ها و نهادهای تأمین آب، پیش‌بینی و مدیریت تقاضای مصرف‌کنندگان با بیشترین بهره‌وری ممکن است. با این حال، در بسیاری از موارد، پیش‌بینی مصرف آب بدون استفاده از روش‌های پیشرفته صورت می‌پذیرد. در این شرایط، توانایی پیش‌بینی الگوی تقاضا در کوتاه‌مدت (۱ تا ۴۸ ساعت) ابزار ارزشمندی برای بهینه‌سازی مدیریت ذخایر آب و استفاده بهینه از تجهیزات مربوطه است. به عبارت دقیق‌تر، تجزیه و تحلیل سری‌های زمانی مرتبط با آب و به‌ویژه پیش‌بینی آنها، ابزاری است که می‌تواند به بهبود مدیریت چرخه آب برای تأمین آب آشامیدنی یا آبیاری، تولید پساب، منابع طبیعی و سایر مصارف کمک کند.
در این راستا، محققان شرکت اموآسا[۱] با همکاری متخصصین آزمایشگاه علوم داده و کلان داده در دانشگاه پابلو دو اولاوید[۲] و پژوهشگران مؤسسه تحقیقاتی فناوری اطلاعات و ارتباطات در دانشگاه مورسیا[۳] یک مدل یادگیری عمیق با هدف پیش‌بینی کوتاه‌مدت مصرف آب طراحی کردند. نتایج این تحقیق اخیراً در قالب مقاله‌ای با عنوان پیش‌بینی سری‌های زمانی مصرف آب در مراکز شهری با استفاده از شبکه‌های عصبی عمیق[۴] در مجله “علوم کاربردی آب[۵]” منشر شده است[۶].
در این پروژه از شبکه عصبی عمیق[۷] برای پیش‌بینی تقاضای آب استفاده شده است. ابتدا، تجزیه و تحلیل مجموعه داده‌های متشکل از میزان مصرف آب با فاصله زمانی ۱۰ دقیقه انجام شده و سپس بر اساس روشی مبتنی بر شبکه عصبی پیش‌خور عمیق[۸] مدلسازی صورت گرفته است. در مرحله بعد به منظور صحت‌سنجی، نتایج پروژه با استفاده از داده‌های واقعی مصرف آب مورد آزمون قرار گرفت. تحلیل خطای حاصل در حدود ۳% و قابل قبول بود.
بر اساس گفته محققین این پژوهش، قدم بعدی تمرکز بر روی انواع مختلف شبکه‌های عصبی عمیق خواهد بود و تلاش خواهد شد علاوه بر گسترش دامنه کاربردها در مدیریت منابع آب، در حوزه‌های صنعتی دیگر (مانند صنعت برق) نیز پژوهش را توسعه دهند. علاوه بر این، تلاش‌های آتی بر توسعه توانمندی‌های پیش‌بینی به افق‌های میان‌مدت و بلندمدت خواهد بود[۹].
[۱] :Emuasaشرکت خدمات آب شهری در شهر مورسیا کشور اسپانیا
[۲] Data Science and Big Data Lab at Pablo de Olavide University
[۳] Information and Communication Technology Oriented Research Institute (INTICO) at University of Murcia
[۴] Water consumption time series forecasting in urban centers using deep neural networks
[۶] https://link.springer.com/article/10.1007/s13201-023-02072-4 (Jan 2024)
[۷] Deep Neural Networks
[۱] Deep Feed Forward Neural Network (DFFNN)