۱٫ معرفی
مدیریت آب شهری یک موضوع کلیدی به ویژه در برنامه ریزی و بهره برداری از تاسیسات آب است. کارایی و پایداری این شبکهها کلید تامین تقاضای رو به رشد آب در مناطق شهری است. یک رویکرد پایدار شامل استفاده مجدد از آب، ترویج حفاظت از منابع و مسئولیت زیست محیطی است. تاکید بر رویههای پایدار، نیاز به راهحلهای نوآورانه در مدیریت آب شهری را برای تضمین آیندهای مقاوم و سازگار با محیطزیست نشان میدهد. [
۱,
۲].
به دلیل نگهداری ناکافی یا غیاب، وضعیت فنی شبکه های آبرسانی به طور مداوم بدتر می شود. [
۳]. تامین آب عمومی در بین سیستم های زیرساختی حیاتی طبقه بندی می شود [
۴]، که تاب آوری آن باید در برابر مخاطرات طبیعی بیشتر توسعه یابد [
۵,
۶]مداخلات انسانی و پیری [
۷]. باید به اولویت دادن به ارائه مداوم خدمات با استاندارد بالا توجه شود. ارائه دهندگان خدمات برق مسئول اطمینان از تامین آب بدون وقفه هستند که نیازهای مصرف کنندگان قرارداد را از نظر کیفیت، کمیت و فشار برآورده می کند. علاوه بر این، آب مصرف شده باید قبل از تخلیه به بدنه آب پذیرنده جمع آوری و به سیستم تصفیه منتقل شود. [
۸].
استفاده مؤثر از منابع مستلزم یک استراتژی فعال و نه واکنشی با تمرکز بر پایداری است. [
۹,
۱۰]. مطالعات متعددی در مورد معیارهای ارزیابی پایداری در مدیریت آب شهری وجود دارد که در زمینههای مختلف قابل اجرا هستند. بخشی از معیارهای ارزیابی را می توان برای هر موقعیت خاص و انتخاب گزینه های مدیریت عرضه و تقاضای آب به کار برد [
۱۱] یا با معرفی یک شاخص پایداری بهداشتی که جنبه های فنی، اجتماعی و اقتصادی را پوشش می دهد [
۱۲]. شاخصهای پایداری موجود، اگرچه ارزشمند هستند، اما ممکن است پیچیدگیهای مدیریت پایدار آب شهری را به طور کامل نشان ندهند. با این حال، آنها به عنوان پارامترهای کل حیاتی، به ویژه برای زیرساخت ها و شرایط حیاتی عمل می کنند. برای بهبود اثربخشی، ادغام عوامل نوظهور مانند تغییر آب و هوا و افزایش سازگاری با ویژگیهای محلی ملاحظات حیاتی برای اصلاح این شاخصها برای رسیدگی بهتر به چالشهای چند بعدی است.
پذیرش گسترده تکنیکهای هوشمند در بخش آب آشکار میشود، جایی که نیاز به مقابله با چالشهای مربوط به «دادههای بزرگ» و استخراج بینشهای معنادار از نویز وجود دارد. تاکید اولیه بر تبدیل داده ها به نتایج عملی از طریق کاربرد علم داده است [
۱۳]. مدیریت دارایی زیرساخت برای لولههای آب شهری بر دادههای دارایی متکی است. به طور سنتی، اکثر شرکتهای آب دادههای لازم را جمعآوری نکردهاند، که منجر به در دسترس بودن، یکپارچگی و ثبات پایین میشود. فرآیندی برای کمک به شرکتها برای ارزیابی و ارتقای مدیریت دادههای خود برای دقت و کامل بودن در راستای اهدافشان مورد نیاز است. [
۱۴]. برای این منظور، Okwori و همکاران. (۲۰۲۴) چارچوبی را برای اجرای دیجیتالی سازی و پذیرش استراتژی های داده محور ایجاد کرد که کاربردهای عملی در مدیریت شبکه های لوله ارائه می کند. [
۱۵].
گیلبرت و همکاران (۲۰۲۱) یکپارچه سازی داده های جغرافیایی و هندسی از مدل سازی اطلاعات ساختمان (BIM) و مدل های شبکه توزیع آب را پیشنهاد کرد. این ادغام پارتیشن بندی شبکه پویا را بهینه می کند، خطر حملات زیرزمینی را به حداقل می رساند و برای پیکربندی های شبکه آینده با افزونگی توپولوژیکی بالاتر برنامه ریزی می کند. نویسندگان یک الگوریتم فضایی مبتنی بر وزن را معرفی کردند که کاربرد دادههای مکانی را برای استنتاج اتصالات شبکه آب بین شبکههای توزیع در مقیاس شهری و مدلهای BIM، حتی در غیاب نمایشهای معنایی کامل یا منسجم نشان میدهد. [
۱۶]. مرزوک و عثمان (۲۰۲۰) یک استراتژی جامع را به کار گرفتند که مصرف آب، تولید فاضلاب و مصرف انرژی را در یک چارچوب یکپارچه یکپارچه می کند. این رویکرد به برنامه ریزان و مدیران شهری در تصمیم گیری آگاهانه در مراحل اولیه توسعه یا گسترش شهر کمک می کند. [
۱۷]. علاوه بر این، شرافت و همکاران، به عنوان نمونه ای از جفت کردن BIM و GIS (سیستم اطلاعات جغرافیایی). (۲۰۲۱) یک چارچوب یکپارچه را معرفی کرد که مدیریت ابزار زیرزمینی را در طول چرخه عمر پروژه بهبود می بخشد. این شامل یک لایه منبع داده، یک لایه پردازش داده، یک پلت فرم BIM-GIS یکپارچه و یک لایه کاربردی است و از تکنیک های نقشه برداری پیشرفته برای جمع آوری اطلاعات زیرساخت های سطحی و زیرزمینی جامع استفاده می کند. [
۱۸]. با این حال، فناوری یکپارچه ممکن است با چالش های فنی و سازمانی مواجه شود. این چالشها شامل تطبیق اطلاعات ناقص یا منسوخ در زیرساختهای زیرزمینی، رسیدگی به شکافهای شایستگیهای دیجیتال در بین ذینفعان، اطمینان از قابلیت همکاری یکپارچه بین سیستمهای BIM و GIS و غلبه بر مقاومت در برابر تغییر در ساختارهای سازمانی موجود است. علیرغم این چالشها، تأثیر عملی چنین ادغامی میتواند منجر به بهبود تصمیمگیری، برنامهریزی زیرساختهای پیشرفته و در نهایت نتایج توسعه شهری پایدارتر شود.
نقش چندوجهی GIS در سیستم های آبرسانی در برنامه ریزی فضایی و طراحی شبکه مشهود است [
۱۹]، مدیریت دارایی [
۲۰]، و فرمولاسیون واکنش های اضطراری [
۲۱]. جنبه دوم در زمینه همه گیری اخیر COVID-19 اهمیت قابل توجهی دارد. این شامل نظارت بر تغییرات در حجم و الگوهای تقاضا است که به طور بالقوه باعث تعدیل عملیات زیرساختی آب و اقدامات کیفیت آب می شود. [
۲۲]. چندین مقاله بر اهمیت مدلسازی محاسباتی، تحلیلهای مبتنی بر دادهها و استفاده ماهرانه از سیستمهای اطلاعات جغرافیایی (GIS) برای امکان ارزیابی دقیق، شبیهسازیهای پیشبینیکننده و تشخیص الگوها و روندهای نوظهور تأکید میکنند. [
۲۳]. تمرکز اصلی در تبدیل داده ها به نتایج عملی از طریق استفاده از تکنیک های علم داده است [
۲۴].
یک پایگاه داده GIS به خوبی توسعه یافته کیفیت آب را با بهینه سازی پارامترهای عملیاتی، کاهش سن آب و افزایش متوسط نرخ جریان در شبکه آبرسانی افزایش می دهد. در شبکه فاضلاب، نفوذ و آب تصادفی را به حداقل می رساند و در عین حال خطر ایجاد بوی مزاحم را نیز کاهش می دهد. [
۲۵] و همچنین عناصر بالقوه سمی در محیط های دریایی-ساحلی [
۲۶,
۲۷]. یک مدل داده به خوبی ساخته شده برای حفظ پایداری یک مدل شبکه آبرسانی مبتنی بر GIS بسیار مهم است. برای اطمینان از یکپارچگی و استحکام، محدودیت های خاصی باید اعمال شود که می توان آنها را به دو نوع طبقه بندی کرد: محدودیت های توپولوژیکی و غیر توپولوژیکی. محدودیتهای توپولوژیکی اتصالات و سایر محدودیتهای هندسی را در بر میگیرند، در حالی که محدودیتهای غیر توپولوژیکی در سطوح مختلف، از جمله در سطح سیستم، در هر شبکه، و هر موجودیت (مثلاً پمپها) وجود دارد. [
۲۸].
ضرورت روشهای حل تکراری در مدلسازی هیدرولیکی از ماهیت غیر خطی جریانهای آب ناشی میشود که نیازمند تلاش محاسباتی قابلتوجهی است. برای کاهش این تلاش، نظریه گراف اغلب برای ساده سازی و تجزیه و تحلیل شبکه ها، اجبار شبکه و/یا جریان درون شبکه ها استفاده می شود. [
۲۹]. محاسبه مقادیر معمولی برای متریک های توپولوژیکی امکان ایجاد نمودارهای شبکه توزیع آب مصنوعی را فراهم می کند که منعکس کننده ویژگی های توپولوژیکی شبکه های آب واقعی و کاهش موازی در اندازه شبکه است. [
۳۰].
اگرچه استفاده از شبکه های مبتنی بر نمودار ممکن است زمان محاسبات را کاهش دهد، آنها اغلب دینامیک جریان گذرا و پاسخ پمپ ها و شیرها را بیش از حد ساده می کنند. با این وجود، کالتنباخر و همکاران. (۲۰۰۲) یک الگوریتم امیدوارکننده ارائه کرده اند که پتانسیل کاربرد جهانی را در رژیم های مختلف جریان دارد. با این حال، قابل توجه است که این الگوریتم منحصراً برای یک پارامتر هیدرولیکی حیاتی، یعنی زبری لوله اعمال شده است. [
۳۱]. علاوه بر این، شرکتهای آب مشتاق هستند تا راهحلی عملگرایانه را شناسایی کنند که میتواند به صورت روزانه پیادهسازی شود، ارائه سادگی و نیاز به حداقل دادههای اضافی فراتر از سوابق موجودشان.
گزینه های نسبتا کمی برای ارائه داده های مصرف فضایی هنگام مدل سازی شبکه آب وجود دارد [
۳۲]. در بیشتر موارد، حجم ارائه شده به یک منطقه مشخص، حتی با وضوح نسبتاً کوچک – ساعتی – مشخص است. با این حال، توزیع این مقدار در منطقه به راحتی قابل تقریب نیست. با توجه به زیرساخت های موجود، استفاده از مقادیر اندازه گیری شده مناسب خواهد بود. چندین شهرداری در حال حاضر از کنتورهای آب از راه دور استفاده می کنند که در آینده توزیع فضایی مصرف را آسان تر می کند. [
۳۳].
تامین کننده از نظر مصرف با مصرف کنندگان رفتار متفاوتی ندارد. برای برخی از مشتریان از قرائت کنتور ماهانه و صورتحساب میانگین مصرف استفاده می شود، در حالی که در موارد دیگر قرائت کنتور سالانه توسط کارمند شرکت آب مطرح است. بنابراین سیستمهای صورتحساب مقادیر مصرف سالانه را با هر مصرفکننده مرتبط میکنند، نه برای یک سال معین، بلکه برای یک دوره تقریباً یک ساله از آخرین قرائت کنتور. بنابراین این مقادیر فقط می توانند به عنوان معیار استفاده شوند. علاوه بر این، سیستم های مدیریت فنی ارائه دهندگان خدمات معمولاً به سیستم های صورتحساب مرتبط نیستند. بنابراین، دادههای مصرفکنندگان به دادههای مکانی مرتبط نیستند، بلکه فقط به دادههای آدرسدهی مرتبط هستند. روشی که ما بر اساس ژئوکدینگ ترسیم کردیم، می تواند راه حلی برای این شکاف مهندسی ارائه دهد. این ادغام برای بهینه سازی استفاده از داده های مکانی و بهبود دقت مدل سازی هیدرولیک در زمینه شبکه های ارائه دهنده خدمات بسیار مهم است.
که در
بخش ۲تمرکز بر روشن کردن مشخصات سایت در مورد مصرف آب و ارائه جزئیات شبکه پیچیده است. علاوه بر این، این بخش به روش شناسی بکار گرفته شده برای geocoding می پردازد و یک نمای کلی از فرآیندهای درگیر ارائه می دهد.
بخش ۳ نتایج حاصل از چند سناریو ساده سازی مدل توپولوژی را ارائه می دهد. با سادهسازی مدلهای توپولوژیکی، محققان میتوانند بر تخصصهای محلی و جنبههای مرتبط شبکه تمرکز کنند و شبیهسازیها را برای پرداختن به اهداف خاص طراحی کنند. علاوه بر این، وفاداری مدل به کیفیت داده های دریافتی بستگی دارد. اگر کیفیت داده ها پایین تر باشد، تنظیم دقیق مدل ممکن است به طور قابل توجهی دقت را بهبود نبخشد. این بخش نه تنها نتایج متنوع بهدستآمده از این سادهسازیها را نشان میدهد، بلکه مقایسهای دقیق با نتایج موجود انجام میدهد. هدف این است که هر گونه تغییر یا پیشرفتی را که توسط تکنیکهای سادهسازی اعمال شده ایجاد میشود، تشخیص دهیم که به درک عمیقتر رفتار و کارایی شبکه کمک میکند.