@article { author = {Tabesh, Massoud and Aghaei, Arash and Soltani, Jaber}, title = {Study (Prediction) of Main Pipes Break Rates in Water Distribution Systems Using Intelligent and Regression Methods}, journal = {Journal of Water and Wastewater; Ab va Fazilab ( in persian )}, volume = {22}, number = {2}, pages = {2-14}, year = {2011}, publisher = {Water and Wastewater Consulting Engineers}, issn = {1024-5936}, eissn = {2383-0905}, doi = {}, abstract = {Optimum operation of water distribution networks is one of the priorities of sustainable development of water resources, considering the issues of increasing efficiency and decreasing the water losses. One of the key subjects in optimum operational management of water distribution systems is preparing rehabilitation and replacement schemes, prediction of pipes break rate and evaluation of their reliability. Several approaches have been presented in recent years regarding prediction of pipe failure rates which each one requires especial data sets. Deterministic models based on age and deterministic multi variables and stochastic group modeling are examples of the solutions which relate pipe break rates to parameters like age, material and diameters. In this paper besides the mentioned parameters, more factors such as pipe depth and hydraulic pressures are considered as well. Then using multi variable regression method, intelligent approaches (Artificial neural network and neuro fuzzy models) and Evolutionary polynomial Regression method (EPR) pipe burst rate are predicted. To evaluate the results of different approaches, a case study is carried out in a part ofMashhadwater distribution network. The results show the capability and advantages of ANN and EPR methods to predict pipe break rates, in comparison with neuro fuzzy and multi-variable regression methods.  }, keywords = {water distribution networks,Pipe Break,optimization,prediction,Regression,ANN,Neuro-Fuzzy Systems}, title_fa = {مطالعه (پیش‌بینی) نرخ شکست لوله‌های اصلی آبرسانی شهری با استفاده از روشهای هوشمند و رگرسیونی}, abstract_fa = {با توجه به سیاست‌های افزایش کارایی و کاهش هدررفت، یکی از اولویت‌های راهبردی توسعه پایدار منابع آب، بهره‌برداری بهینه از شبکه‌های توزیع آب شهری است. لذا راهبران سیستم باید همواره شناخت دقیق و صحیحی از قابلیت کاربری شبکه و انزوال و خرابی سازه‌ای (شکست) در لوله‌های اصلی آبرسانی داشته باشند. یکی از راهکارها و کلیدهای مهم مدیریت بهینه بهره‌برداری، تدوین استراتژی‌های نوسازی و بازسازی در شبکه‌های توزیع آب شهری، پیش‌بینی نرخ شکست لوله‌ها و ارزیابی قابلیت کاربری آنها است. راه‌ حلهای گوناگونی برای مطالعه پیش‌بینی شکست در لوله‌ها توسط محققان مختلف خصوصاً در سالهای اخیر مطرح شده است که هریک نیازمند داده‌های مخصوص خود می‌باشند. مدل‌های قطعی توانی بر حسب سن، مدل‌های قطعی خطی بر حسب سن، مدل‌های قطعی چندمتغیره و مدل‌های گروهی تک متغیره احتمالی، از جمله راه‌ حلهایی هستند که خرابی و زوال در ساختار لوله‌ها را دائمی و به‌صورت یک روند یکنواخت با پارامترهایی مستقل از زمان (که شکست لوله‌ها را با سن، جنس و قطر آنها مرتبط می‌سازد) مطرح می‌کنند. در این مقاله علاوه بر بهره‌گیری از پارامترهای بالا به‌منظور پیش‌بینی جامع و دقیق‌تر، از دیگر پارامترهای مؤثر در شکست لوله‌ها ناشی از شرایط محیطی و اقلیمی، بارگذاری ترافیکی و شرایط بهره‌برداری مانند عمق نصب لوله‌ها و فشار آب در شبکه بهره گرفته شد و با استفاده از روشهای رگرسیون چند متغیره، هوش مصنوعی (عصبی و عصبی- فازی) و همچنین روش داده کاوی رگرسیون چند جمله‌ای تکاملی (برنامه‌نویسی ژنتیک) به پیش‌بینی نرخ شکست لوله پرداخته شد. به‌منظور ارزیابی روشهای ارائه شده با استفاده از داده‌های جمع‌آوری شده حوادث لوله‌ها در شبکه توزیع آب یکی از شهرهای کشور، مطالعه موردی انجام گردید و نتایج اخذ شده مورد بررسی و مقایسه قرار گرفت. نتایج حاصل از مدل شبکه عصبی و رگرسیون چند جمله‌ای تکاملی ترکیبی مؤید این قابلیت بود که این روشها با ترکیب اثر نوفه‌های پارامترهای غیردائمی و روند یکنواخت شکستی که پارامترهای دائمی پدید می‌آورند و همچنین قرار دادن تعداد بیشتری از پارامترهای مؤثر، در پیش‌بینی نرخ شکست لوله‌ها توانمندتر عمل می‌کنند.  }, keywords_fa = {شبکه توزیع آب,انزوال و شکست لوله‌ها,مدیریت بهینه‌سازی,پیش‌بینی,رگرسیون,شبکه عصبی مصنوعی,سیستم عصبی- فازی}, url = {https://www.wwjournal.ir/article_1238.html}, eprint = {https://www.wwjournal.ir/article_1238_5d0c94aebe279768cad1519583c23779.pdf} }