چکیده شبکههای توزیع آبشهری از مهمترین زیرساختهای هر جامعه هستند و وقوع شکست در لولهها چالش ی جدی برای پایداری خدماترسانی آب ای جاد می کند. لولههای پل یاتیلن به دلیل مزایایی مانند مقاومت در برابر خوردگی، وزنکم و انعطافپذیری، بهطور گستردهای در شبکههای آب شه ری به کار م یروند . با این حال، عوامل محیطی و عملیات ی میتوانند موجب فرسودگی زود هنگام و شکست این لولهها شوند. پژوهش حاضر با هدف بررسی علل فرسودگی لولههای پل یاتیلن در شبکه آ برسانی شهر مشهد و پی شبینی نرخ شکست آنها با بهرهگیری از الگوریتمهای یادگیری ماشین انجام شده است. بد ین منظور، داده های واقع ی شبکه آبرسانی مشهد شامل ویژگیهای لوله )سن، قطر، طول، عمق نصب، فشار هیدرولیکی( و سوابق شکست جم عآوری گردید. همچنی ن برای تکمیل دادهها، از اطلاعات محیطی نظیر ترافیک سطحی و تغییرات دمایی بهره گرفته شد. چهار الگوریتم 2، شبکه عصبی مصنو عی (Light GBM) 1، گرادیان تقویتی سبک (RF) یادگیری ماشین ) جنگل تصادفی 4برای مدلسازی بهکار رفت. نتایج نشان داد که تمامی مدلهای ) (SVC ) 3 و ماشین بردار پشتیبان (ANN) توسعهیافته از دقت بالایی در پی شبینی برخوردار بوده و الگوریتم گرادیان تقویتی سبک بهترین عملکرد را ارائه میدهد. تحلیل اهمیت ویژگیها نی ز حاکی از آن است که عواملی مانند سن لوله، تغییرات اقلیمی )نوسانات دما(، فشار آب و قطر لوله بیشترین تأث یر را در خرابی لولههای پلیاتیلن دارند. بهطور کلی، ی افتههای این پژوهش میتواند به شناسا یی لولههای در معرض خطرشکست و برنامهریز ی بهینه بهمنظور تعم یر و نگهداری شبکه آب شهری، کمک شایان ی نما ید.

کلمات کلیدی