مدل بهینه‌سازی کانال آبیاری با لحاظ شرایط سیلابی و عدم قطعیت

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران

2 استادیار گروه مهندسی عمران- مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان

3 کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده سمنان، دانشگاه سمنان، سمنان

4 دانشجوی دکترای مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه سمنان،

چکیده

در پژوهش حاضر برای نخستین بار، الگوریتم فراابتکاری خفاش به منظور طراحی مقطع کانال­ آبیاری با حداقل هزینه ساخت و لحاظ احتمال سیلاب به عنوان محدودیت و عدم قطعیت، معرفی شده است. بدین منظور، با در نظر گرفتن مقطع کانال با زبری­های یکنواخت و مرکب و همچنین ارتفاع آزاد جریان در حالات ثابت و متغیر، سه مدل به صورت اول) زبری یکنواخت-ارتفاع ثابت، دوم) زیری مرکب- ارتفاع ثابت و سوم) زبری مرکب-ارتفاع متغیر تعریف شده است. الگوریتم پیشنهادی بر اساس نتایج آنالیز حساسیت برای مدل های اول تا سوم اجرا گردیده است. در ادامه، مقدار ضریب تغییرات و سرعت همگرایی حاصل از پانزده اجرای تصادفی الگوریتم مذکور، برای مدل­های معرفی شده در مقدار احتمال سیلاب 36/0 مقایسه شده است. در نهایت، نتایج حاصل از الگوریتم مذکور برای مقادیر مختلف احتمال سیلاب، با نتایج نرم افزار لینگو، روش­های­ ضرایب لاگرانژ و برنامه­ریزی متوالی و الگوریتم ازدحام ذرات مقایسه شده است. نتایج حاصل از اجراهای تصادفی نشان داد که مقدار ضریب تغییرات برای مدل­های اول تا سوم به ترتیب برابر با 00049/0، 00019/0 و 00023/0 می­باشد که قابل قبول است. همچنین هر سه مدل­، در 500 تکرار، همگرا شده­اند. دیگر نتایج، حاکی از آن است که استفاده از الگوریتم خفاش در مقایسه با روش­های دیگر، موجب بهبود نتایج بهینه­سازی تا 97/13 درصد شده است. از سوی دیگر، این الگوریتم مقدار بهینه مطلق را نسبت به نرم­افزار لینگو تا 51/0 درصد کمتر تخمین می­زند. در میان سه مدل معرفی شده، استفاده از مدل سوم در مقایسه با مدل­های اول و دوم، موجب صرفه­جویی هزینه ساخت تا 60/59 و 87/53 درصد می­شود.

کلیدواژه‌ها


عنوان مقاله [English]

Optimization Modelling of Irrigation Channel Considering Flooding Conditions and Uncertainty

نویسندگان [English]

  • Saeed farzin 1
  • hojat karami 2
  • Mahdi Valikhan Anaraki 3
  • Mohammad Ehteram 4
1 M.Sc. Student of Water Resources Engineering and Management, Faculty of Civil Engineering, Semnan University, Semnan, Iran
2 Assistant Professor, Department of Civil Engineering, Semnan University, Semnan, Iran
چکیده [English]

In the present study, for the first time, metaheuristic Bat Algorithm (BA) is proposed for design of irrigation-channel cross section with minimum construction costs and taking into account flood probability as a constraint and uncertain parameter. For this purpose, considering cross section of the channel with uniform and composite roughness and fixed and variable freeboard, three models are defined as: a) uniform roughness+ fixed freeboard, b) composite roughness+ fixed freeboard, and c) composite roughness+ variable freeboard. The proposed algorithm is implemented for the first to third models, based on the results of sensitivity analysis. Coefficient of variation and convergence speed of the 15 random runs of the mentioned algorithm is compared for 0.36 flood probability. At last, results of the mentioned algorithm for different flood probabilities have been compared with the results of Lingo software, Lagrange multiplier, sequential minimal programming and Particle Swarm Optimization Algorithm. Results of the random runs showed that coefficient of variation for the first to third models is 0.00049, 0.00019 and 0.00023, respectively, which are acceptable. Also, all three models converged after 500 iterations. Other results showed that using BA, with respect to other methods, increased optimization results up to 13.97 %. Furthermore, this algorithm estimated the global optimum up to 0.51% less than Lingo software. Among the three proposed models, using the third model saved construction costs by 59.6 and 53.87 percent, as compared to the first and second models, respectively.

کلیدواژه‌ها [English]

  • Irrigation channel
  • optimization
  • Bat Algorithm
  • Uncertainty
  • Flood probability
  • Lingo Software

منابع

. احترام، م.، کرمی، ح. موسوی ،س، ف. فرزین، س و س، سرکمریان. 1396. ارزیابی عملکرد الگوریتم خفاش در بهینه­سازی پارامتر­های مدل غیرخطی ماسکینگام برای روندیابی سیلاب. نشریه اکوهیدرولوژی. دوره 4، شماره 4، ص 1032-1025

 هاشمی شاهدانی، س، م.، صادقی، س. ا، ادیب مجد. 1395. بهره­گیری از سامانه کنترل خودکار متمرکز به منظور بهبود عملکرد بهره­برداری کانال اصلی تحت نوسانات شدید جریان ورودی؛ مطالعه موردی کانال اصلی شبکه رودشت. فصلنامه علمی پژوهشی مهندسی آبیاری و آب. سال هفتم، شماره بیست و ششم، ص 27-14

یخکشی، م.، مفتاح هلقی، م. ظهیری، ع. یخکشی، م، ا و م، مددی. 1393. نقش احداث سد مخزنی نرمآب بر کاهش پهنه سیل و خسارات وارده به اراضی پایین دست. فصلنامه علمی پژوهشی مهندسی آبیاری و آب. سال چهارم، شماره شانزدهم، ص 37-24.

 

Adarsh, S. (2012). Modeling parametric uncertainty in optimal open channel design using FORM-PGSL coupled approach. Stochastic environmental research and risk assessment, 26(5): 709-720.

Ahmadianfar, I., Adib, A. and M, Salarijazi. 2015. Optimizing multireservoir operation: Hybrid of bat algorithm and differential evolution. Journal of Water Resources Planning and Management, 142(2): 05015010.

Bhattacharjya, R.K. 2006. Optimal design of open channel section incorporating critical flow condition. Journal of irrigation and drainage engineering, 132(5): 513-518.

Bhattacharjya, R.K and M.G, Satish. 2007. Optimal design of a stable trapezoidal channel section using hybrid optimization techniques. Journal of irrigation and drainage engineering, 133(4): 323-329.

Bhattacharjya, R.K. and M, Satish. 2008. Flooding probability-based optimal design of trapezoidal open channel using freeboard as a design variable. Journal of irrigation and drainage engineering, 134(3): 405-408.

Bozorg-Haddad, O., Karimirad, I. Seifollahi-Aghmiuni, S and H.A, Loáiciga. 2014. Development and application of the bat algorithm for optimizing the operation of reservoir systems. Journal of Water Resources Planning and Management, 141(8): 04014097.

Das, A., 2000. Optimal channel cross section with composite roughness. Journal of irrigation and drainage engineering, 126(1): 68-72.      

Das, A. 2007. Flooding probability constrained optimal design of trapezoidal channels. Journal of irrigation and drainage engineering, 133(1): 53-60.      

Froehlich, D.C. 1994. Width and depth-constrained best trapezoidal section. Journal of Irrigation and Drainage Engineering, 120(4): 828-835.  

Gupta, S.K., Mishra, U. Datta, D and V.P, Singh. 2017. Fish shoal optimization for identification of the most suitable revetment stone for design of minimum cost earthen canals carrying sediment-laden flow. ISH Journal of Hydraulic Engineering, 23(1):1-18.

Horton, R.E. 1933. Separate roughness coefficients for channel bottom and sides. Engineering News Record, 111(22): 652-653.         

Jain, A., Bhattacharjya, R.K and S, Sanaga. 2004. Optimal design of composite channels using genetic algorithm. Journal of Irrigation and Drainage Engineering, 130(4): 286-295 .

Kaveh, A and S, Talatahari. 2010. An improved ant colony optimization for constrained engineering design problems. Engineering Computations, 27(1): 155-182.

Monadjemi, P. 1994. General formulation of best hydraulic channel section. Journal of Irrigation and Drainage Engineering, 120(1): 27-35.     

Orouji, H., Mahmoudi, N. Fallah-Mehdipour, E. Pazoki, M and A, Biswas. 2016. Shuffled Frog-Leaping Algorithm for Optimal Design of Open Channels. Journal of Irrigation and Drainage Engineering, 142(10): 06016008.

Reddy, M.J and S, Adarsh. 2010. Overtopping probability constrained optimal design of composite channels using swarm intelligence technique. Journal of Irrigation and Drainage Engineering, 136(8): 532-542.

Roushangar, K., Alami, M.T. Nourani, V and A, Nouri. 2017. A cost model with several hydraulic constraints for optimizing in practice a trapezoidal cross section. Journal of Hydroinformatics, 19(3): 456-468.

Swamee, P.K., Mishra, G.C and B.R, Chahar. 2002. Design of minimum water-loss canal sections. Journal of Hydraulic Research, 40(2): 215-220.

Trout, T.J. 1982. Channel design to minimize lining material costs. Proceedings of the American Society of Civil Engineers. Journal of the Irrigation and Drainage Division, 108(4): 242-249.

Yang, X.S. 2010. A new metaheuristic bat-inspired algorithm. Nature inspired cooperative strategies for optimization. 284: 65-74.

Yang, X.S and H.A, Gandomi. 2012. Bat algorithm: a novel approach for global engineering optimization. Engineering Computations, 29(5): 464-483.