scholarly journals Analysis of domestic water demand variables of a residential colony in Ajmer, Rajasthan (India)

2017 ◽  
Vol 7 (4) ◽  
pp. 568-575
Author(s):  
Ganpat Singh ◽  
Arun Goel ◽  
Mahender Choudhary
Keyword(s):  
Linear Regression ◽  
Water Demand ◽  
Family Income ◽  
Regression Coefficient ◽  
Demand Forecasting ◽  
Principal Component ◽  
Urban Water ◽  
Domestic Water ◽  
Domestic Water Demand ◽  
Demand Models

Abstract In this paper, significant variables of domestic urban water demand required for the purpose of estimation of urban water supply in five planned colonies of the City of Ajmer, Rajasthan, India, are identified. The data for these 16 variables are entered in the multiple linear regression (MLR) (stepwise) models in SPSS software, and domestic water demand models are developed. Based on these models, the six most significant variables, namely temperature (T), rainfall (RF), family size (FS), family income (FI), number of bathrooms (NB), and age of house (AH), are identified. The data of 16 variables are further utilized in principal component analysis (PCA), and five factors/variables are extracted, comprising combinations of these 16 variables. A regression coefficient of 0.76 is obtained in the PCA model. These six significant variables are further fed into a multilayer perceptron neural network (NN) model for water demand forecasting. The linear regression coefficient of NN is 0.90, very close to the MLR (stepwise) coefficient of 0.89, and verifying the dependence of water demand on these six variables. The outcome of the study suggests that the six variables are significant for estimation of water demand for Ajmer.

scholarly journals Agent based modelling of domestic water demand for adaptive urban water management

2015 ◽  
Author(s):  
Ιφιγένεια Κουτίβα
Keyword(s):  
Water Management ◽  
Water Demand ◽  
Social Impact ◽  
Urban Water ◽  
Urban Water Management ◽  
Domestic Water ◽  
Agent Based ◽  
Domestic Water Demand ◽  
Agent Based Modelling ◽  
Impact Theory

Αντικείμενο της διδακτορικής διατριβής είναι η δημιουργία μιας νέας μεθόδου προσομοίωσης της συμπεριφοράς της ζήτησης νερού των αστικών νοικοκυριών, χρησιμοποιώντας μοντέλα παραγόντων –ευφυών πρακτόρων (Agent Based Modelling - ΑΒΜ). Μέχρι τώρα, η πιο κοινή προσέγγιση ήταν να συμπεριλαμβάνονται στα εργαλεία διαχείρισης των υδατικών πόρων, χρονοσειρές οικιακής ζήτησης νερού παραγόμενες είτε ακολουθώντας τις ιστορικές τάσεις ή προβάλλοντας μελλοντικές απαιτήσεις.Ωστόσο, σε αυτή την έρευνα, προτείνεται μια εναλλακτική μέθοδος για τη παραγωγή χρονοσειρών οικιακής ζήτησης νερού, προσομοιώνοντας τη συμπεριφορά των νοικοκυριών όπως αυτή διαμορφώνεται από τις κοινωνικές, πολιτικές, οικονομικές και τεχνολογικές συνθήκες.Το βασικό κίνητρο της έρευνας αυτής, ήταν η ανάγκη για τη δημιουργία κανόνων που προσομοιώνουν τη συμπεριφορά των νοικοκυριών. Προς την κατεύθυνση αυτή, αναπτύχθηκε ένα εργαλείο ΑΒΜ, που ονομάζεται Urban Water Agents’ Behaviour (UWAB), το οποίο προσομοιώνει τη συμπεριφορά της ζήτησης νερού ενός νοικοκυριού με βάση: (α) τη θεωρία σύνθετων δικτύων (Albert and Barabasi, 2000)που αντιπροσωπεύει τους κοινωνικούς δεσμούς που δύναται να επηρεάσουν την οικιακή ζήτηση νερού, (β) τη θεωρία της κοινωνικής επιρροής (social impact theory) (Latane, 1981) για την προσομοίωση της επιρροής που ασκούν πολιτικές και άλλοι εξωτερικοί παράγοντες στη συμπεριφορά των οικιακών χρηστών νερού, (γ) τη θεωρία της σχεδιασμένης συμπεριφοράς (theory of plannedbehaviour) (Ajzen, 1991) η οποία εξυπηρετεί την αποδόμηση της συμπεριφοράς του οικιακού χρήστη νερού στα συστατικά της με σκοπό τη μοντελοποίηση της πρόθεσης του και (δ) τη στατιστική μηχανική(Shell, 2014) η οποία χρησιμοποιείται για την προσομοίωση της στοχαστικής φύσης της ανθρώπινης συμπεριφοράς. Η συμπεριφορά της ζήτησης νερού των νοικοκυριών και η επιρροή της από τις πολιτικές διαχείρισης και από τις περιβαλλοντικές πιέσεις προσομοιώνεται στο μοντέλο UWAB. Στη συνέχεια, η συμπεριφορά αυτή μεταφράζεται σε συγκεκριμένο όγκο νερού μέσω της προσομοίωσης των συσκευών κατανάλωσης νερού ενός νοικοκυριού χρησιμοποιώντας το εργαλείο Urban Water Optionneering Tool(UWOT) (Makropoulos et al., 2008). Η υλοποίηση της παραπάνω προτεινόμενης μεθοδολογίας πραγματοποιήθηκε με τη σύνδεση του μοντέλου UWAB με το εργαλείο UWOT, δημιουργώντας την πλατφόρμα μοντελοποίησης UWAB-UWOT. Για την επαλήθευση της προτεινόμενης μεθοδολογίας χρησιμοποιήθηκε το αστικό σύστημα ύδρευσης της Αθήνας, το οποίο και προσομοιώθηκε στην πλατφόρμα UWAB-UWAT. Πιο συγκεκριμένα,μελετήθηκε η εξέλιξη της οικιακής ζήτησης νερού κατά την περίοδο εκτεταμένης ξηρασίας που σημειώθηκε στην Αθήνα, κατά την περίοδο 1988 – 1994. Αρχικά, το μοντέλο βαθμονομήθηκε και επαληθεύτηκε χρησιμοποιώντας μηνιαία δεδομένα οικιακής ζήτησης νερού για την παραπάνω περίοδο.Στη συνέχεια, αναπτύχθηκαν και μελετήθηκαν εναλλακτικές στρατηγικές διαχείρισης της ζήτησης νερού βάσει των εναλλακτικών μελλοντικών σεναρίων ζήτησης. Από τα αποτελέσματα προέκυψε ότι η σύνδεση ενός μοντέλου ABM, για την προσομοίωση της συμπεριφοράς των νοικοκυριών, με ένα μοντέλο προσομοίωσης του αστικού κύκλου νερού, δίνει τη δυνατότητα σύνθεσης υπολογιστικών πειραμάτων με στόχο την αξιολόγηση εναλλακτικών στρατηγικών διαχείρισης της οικιακής ζήτησης νερού από τις ρυθμιστικές αρχές.

scholarly journals The use of band similarity in urban water demand forecasting as a new method

2021 ◽  
Author(s):  
V. Yılmaz
Keyword(s):  
Water Consumption ◽  
Optimization Algorithm ◽  
Water Demand ◽  
Demand Forecasting ◽  
New Method ◽  
Urban Water ◽  
Artificial Bee Colony Optimization ◽  
Urban Water Demand ◽  
Demand Models ◽  
Similarity Method

Abstract Water consumptions and demands by persons vary from time to time and from location to location depending on countless factors, notably, population, socio-economic and climatic variables. Today, studies which create models on water consumption of persons, using numerous methods including artificial neural networks and regression models in this regard and ensure that projections are made are ongoing. In this study; parameters affecting water consumption were examined within the scope of the study area, and the parameter reduction was realized with the help of the Factor Analysis. Then, as a new method, the Band Similarity method was used together with the Artificial Bee Colony optimization algorithm, and urban water demand models were produced and the temporal dependence of the relevant variables was examined. As a result of the study, it was seen that the Band Similarity method improved the results obtained with the optimization algorithm and helped to understand the temporal dependencies of the variables. The fact that the Band Similarity method, which was put forward for the first time in its field, worked successfully and produced results, can be said to be the main contribution of this study to the knowledge.

scholarly journals A Panel Data Estimation of Domestic Water Demand with IRT Tariff Structure: The Case of the City of Valencia (Spain)

2021 ◽  
Vol 13 (3) ◽  
pp. 1414
Author(s):  
Mónica Madonado-Devis ◽  
Vicent Almenar-Llongo
Keyword(s):  
Panel Data ◽  
Water Demand ◽  
Large Data ◽  
Demand Elasticity ◽  
Average Price ◽  
Domestic Water ◽  
Domestic Water Demand ◽  
Household Level ◽  
Price Structure ◽  
The City

In urban water provisioning, prices can improve efficiency, contributing to the achievement of the environmental objective. However, household responses to price changes differ widely based on the household characteristics. Analyses performed at the aggregate level ignore the implications of water demand incentives at the individual household level. A large data sample at the household level enables estimation of econometric models of water demand, capturing the heterogeneity in domestic consumption. This study estimated the domestic water demand in the city of Valencia and its elasticity, along with the demands of its different districts and neighbourhoods (intra-urban scale analysis). Water price structure in Valencia is completely different from that of other Spanish cities: it is a price structure of increasing volume (increasing rate tariffs, IRT). For this estimation, from a microdata panel at the household level, the demand function with average prices for the period 2008–2011 was estimated using panel data techniques including a fixed effect for each neighbourhood. The domestic water demand elasticity at the average price in Valencia was estimated at −0.88 (which is higher than that estimated for other Spanish cities). This value indicates an inelastic demand at the average price of the previous period, which can cause consumers to overestimate the price and react more strongly to changes.

Socioeconomic factors affecting domestic water demand in Israel

1975 ◽  
Vol 11 (6) ◽  
pp. 805-809 ◽  
Author(s):  
Peretz Darr ◽  
Stephen L. Feldman ◽  
Charles S. Kamen
Keyword(s):  
Socioeconomic Factors ◽  
Water Demand ◽  
Domestic Water ◽  
Factors Affecting ◽  
Domestic Water Demand

scholarly journals MODELLING OF DOMESTIC WATER DEMAND USING SPATIAL DATA POPULATION FOR CISADANE UPSTREAM WATERSHED

2018 ◽  
Vol 1 (1) ◽  
pp. 16
Author(s):  
Dina Paramitha Anggraeni Hidayat ◽  
Yuddi Yudistira
Keyword(s):  
Spatial Data ◽  
Water Demand ◽  
Population Data ◽  
Geographical Information ◽  
Domestic Water ◽  
Management Planning ◽  
Domestic Water Demand ◽  
Significant Difference ◽  
Watershed Boundary ◽  
Administrative Boundary

<p><em>In Indonesia, water resources management planning has done based on river area. But the problem is the calculation still based on population data with administrative boundary. This is caused by the lack of population data with watershed or river area boundary. Geographical Information System (GIS) is a tools to analyze, visualize and interpret data with spatial and geographic data. For this research, GIS is used to generate population data with watershed and river area boundary,then the result will used for domestic water demand calculation for Cisadane upstream watershed. For all district in Cisadane Upstream Watershed, the largest district in entire watershed are Cibungbulang, Leuwiliang and Nanggung. But the most dense population are Ciomas, Ciampea and Cibungbulang. The calculation using watershed boundary resulting significant difference from district boundary. With spatial data population using watershed boundary, domestic water demand calculation result can be more accurate than using all district population data. </em></p>

Sign in / Sign up

Export Citation Format

Share Document