به کارگیری الگوریتم علف‌های هرز مهاجم (IWO) و الگوریتم ژنتیک (GA) در بهینه‌سازی بهره‌برداری تلفیقی از سد طازران

نویسندگان

1 سازه‌های آبی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، ایران

2 عضو هیات علمی گروه مهندسی آب دانشگاه زنجان

چکیده

یکی از مهمترین مسائل در مدیریت منابع آب، مسئله بهره­برداری بهینه از مخازن می­باشد. در این پژوهش از الگوریتم فرا ابتکاری علف هرز مهاجم (IWO) برای یافتن استراتژی­های تخصیص بهینه آب در سیستم تک مخزنه سد طازران واقع در غرب کشور برای یک دوره 10 ساله استفاده شده است. مدل توسعه یافته در این تحقیق برای بهره­برداری بهینه در حالت الگوی کشت وضع موجود تهیه گردیده است. اراضی پایین­دست سد به دو منطقه طازران و ایونده تقسیم می­شوند. تابع هدف تعریف شده حداقل­سازی کل کمبودها در طول دوره شبیه­سازی می­باشد. به­منظور بررسی عملکرد مخزن از شاخص­های قابلیت اعتماد زمانی، تأمین حجمی و آسیب­پذیری استفاده شده است. نتایج حاصل از الگوریتم مورد بررسی با نتایج حاصل از الگوریتم ژنتیک(GA) مورد مقایسه قرار گرفته است. به دلیل عدم کفایت و همچنین توزیع نامناسب جریان رودخانه طازران، شبیه­سازی­­ها در دوحالت استفاده از جریان­ آب­های سطحی به تنهایی و تلفیق آب­­های سطحی و زیرزمینی انجام گرفته است. با توجه به نتایج به­دست آمده مشخص گردید که با استفاده از روش­های IWO و GA و استفاده همزمان از آب­های سطحی و زیرزمینی منطقه، این سد به ترتیب قادر به تأمین 2/77درصد و 24/76 درصد از نیاز کل اراضی پایین­دست منطقه طازران می­باشد. شاخص­های اعتماد­پذیری و آسیب پذیری در منطقه طازران نیز به­ترتیب برابر 45/55 و 33 درصد در روش IWO و 72/52 و 41 درصد در روش GA می­باشند.
واژه­های کلیدی: الگوریتم علف هرز، اعتماد­پذیری، بهره­برداری بهینه، منابع آب

کلیدواژه‌ها


عنوان مقاله [English]

Using of Invasive Weed Optimization Algorithm and Genetic Algorithm for Optimization of Conjunctive Operation of Tazeran Dam

نویسندگان [English]

  • Reza. Zarei 1
  • Hesam Ghodousi 2
  • Kazem Shahverdi 1
1 Student department of Agriculture, Department of Water Engineering, University of Zanjan, Iran.
2 Assistant professor department of water engineering university of zanjan
چکیده [English]

One of the most important issues in water resources management, is the optimal operation of dam reservoirs. In this research metaheuristic invasive weed optimization algorithm was used to find optimal water allocation strategies for a period of 10 years in Tazeran dam that located in the west of Iran. The developed model in this research is provided for optimal operation in the present state of cropping pattern. The downstream field of Tazeran dam are divided into two zones consist of Tazeran and Evandeh. The defined objective function is to minimize total deficiencies during the simulation period. In order to investigate the reservoir performance indicators of time reliability, percentage to provide volume and vulnerability is used. The results of IWO algorithm also compared with the results of the Genetic algorithm method. Due to the inadequate and inappropriate distribution of Tazeran river flow, simulations have been done in two states, use of surface water flows alone and the combination of surface and underground water flow. Result shows that using IWO and GA method and use of surface and ground water simultaneously, Tazeran dam is able to provide 77.2% and 76.24% of the total downstream of water requirement. Also, reliability and vulnerability indicators in Tazeran region are 55.45% and 33%, respectively, in the IWO method and 52.72% and 41% in the GA method.

کلیدواژه‌ها [English]

  • Invasive Weed Algorithm
  • Optimum operation
  • Reliability
  • Water resour

پورطبری، م.، ر. مکنون و ت. عبادی. 1387. تدوین سیاست­های بلندمدت بهره­برداری از منابع آب سطحی و زیرزمینی بر اساس مدل بهره­برداری تلفیقی. سومین کنفرانس مدیریت منابع آب، 23 الی 25 مهرماه، دانشگاه تبریز دانشکده مهندسی عمران.

علیمحمدی، س.، و ح. حسین­زاده. 1389. بهینه­سازی بهره­برداری تلفیقی از منابع آب­های سطحی و زیرزمینی حوضه آبریز رودخانه ابهر. فصلنامه آب و فاضلاب، سال پنجم، دوره 21، شماره 3، ص 87-75.

قادری، ک.، س. اکبری فرد و م. علیان­نژاد. 1394. بهره­برداری بهینه از سیستم مخازن با استفاده از دو الگوریتم چرخه آب و جستجوی گرانشی(مطالعه موردی حوضه آبریز گرگان­رود). نشریه شد و نیروگاه برق­آبی. سال پنجم، شماره 2، ص 49-37.

موسوی‌‌، س. ج.، 1393. مدیریت منابع آب رویکرد سیستمی‌‌، انتشارات دانشگاه صنعتی امیرکبیر‌‌، تهران.

Ajibola, A. S., and A. O. Adewumi. 2017. Review of Population Based Metaheuristics in Multi-Objective Optimization Problems. International Journal of Computing, Communications & Instrumentation Engineering. 1(1): 126-128.

Foued, B. A., and M. Sameh. 2001. Application of Goal Programming in a Multi-Objective Reservoir Operation Model in Tunisia. Operation Research, 133(2): 352-361.

Labadie, J. w. 2004. Optimal Operation of Multi-Reservoir System: State of the art review. Journal of Water Resources Planning and Management, 130(2): 93-111.

Mehrabian, A. R., and C. Lucasc. 2007. A Novel Numerical Optimization Algorithm Inspired from Weed Colonization. Ecological Informatics, 2(1): 355–366.

Nageshkumur, D., D. S. V. Prasad and K. Srinivasa Raju. 2002. Optimal Reservoir Operation Using Fuzzy Approach, Fuzzy Sets and System, 105(1): 365-372.

Rama, D., and T. Jayabarathi. 2016. Optimal Placement and Sizing of Multiple Distributed Gnerating units in Distribution Networks by Invasive Weed Optimization Algorithm. Ain Shams Engineering Journal, 7(2): 683-694.

Seifbarghy, M., and M. Omidbakhsh. 2011. Solving Quadratic Assignment Problem Using Invasive Weed Optimization Algorithm. Journal of Industrial Engineering, University of Tehran, Special Issue, 5(1): 113-125.

Sonaliya, S., and T. M. V. Suryanarayana. 2015. Optimal Reservoir Operation Using Genetic Algorithm: A Case Study of Ukai Reservoir Project. International Journal of Innovative Research in Science Engineering and Technology. 3(6): 681-687.

Wurbs, R.A. 1993. Reservoir-system Simulation and Optimization Models. Journal of Water Resource Planning and Management. 119(4): 455-472.

Yeh, W. G. 1985. Reservoir Management and Operation Models, State of the art review. Journal of Water Resource Research. 21(12): 1797-1818.

Zhou, Y., Q. Luo, H. Chen, A. He and J. Wu. 2015. A Discrete Invasive Weed Optimization Algorithm for Solving Traveling Salesman Problem. Journal of Neurocomputing. 151(1): 1227-1236.