تخصیص بهینه منابع آب چاه‌نیمه سیستان با تأکید بر سناریوی تثبیت ریزگردها: کاربرد الگوریتم ژنتیک*

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار دانشگاه سیستان و بلوچستان؛

2 استادیار اقتصاد کشاورزی، دانشگاه سیستان و بلوچستان

3 کارشناس ارشد اقتصاد کشاورزی، دانشگاه سیستان و بلوچستان

چکیده

یکی از مسائل مهم بهینه­سازی در مدیریت منابع آب، مسأله بهره­برداری بهینه از مخازن سدها است. در خصوص مسائل بهینه­سازی روش های مختلفی به کار گرفته شده که با توجه به عدم توانایی روش های بهینه­سازی معمول، در حل مسائل پیچیده بهینه­سازی، به کارگیری الگوریتم های فرا ابتکاری بیش از پیش مورد توجه قرارگرفته است. لذا در این تحقیق برای بهینه سازی مخازن آب چاه نیمه سیستان از الگوریتم فرا ابتکاری ژنتیک استفاده شده است. هدف اصلی پژوهش حاضر تخصیص بهینه آب مخازن چاه نیمه به ذینفعان منطقه سیستان با استفاده از الگوریتم ژنتیک تحت سناریوهای مدیریتی با تأکید بر سناریوی تثبیت ریزگردها می باشد. نتایج الگوریتم ژنتیک نشان داد که در سال اول مقدار رهاسازی بهینه 3531/20 میلیون متر مکعب و میزان تقاضا 3121/98 میلیون متر مکعب می باشد که به مقدار 959/77 میلیون متر مکعب عدم تامین نیاز وجود دارد. نتایج این تحقیق حاکی از آن است که الگوریتم ژنتیک همانند تحقیقات گذشته توانسته است به جواب بهینه مناسبی دست پیدا کند. همچنین بر اساس نتایج بدست آمده در سناریوی تثبیت ریزگردها ، پس از مدتی در صورت اجرای سناریوی مذکور، دیگر رهاسازی برای بخش کشاورزی (سال 1409 شمسی)  امکان پذیر نمی باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimal Allocation of Chah-Nimeh Water Resources with an emphasis on Dust Stabilization Scenario: Application of Genetic Algorithm

نویسندگان [English]

  • Javad Shahraki 1
  • Ali Sardar Shahraki 2
  • Safaiyeh Nouri 3
1 Associate Professor of Agricultural Economics, University of Sistan and Baluchestan
2 2Assistant Professor of Agricultural Economics, University of Sistan and Baluchestan, Zahedan
3 MS of Agricultural Economics, University of Sistan and Baluchestan, Zahedan
چکیده [English]

Optimal Allocation of Chah-Nimeh Water Resources with an emphasis on Dust Stabilization Scenario: Application of Genetic Algorithm

کلیدواژه‌ها [English]

  • Metaheuristic Algorithms
  • optimization
  • Reserves
  • Managerial Scenario
  • Genetic
  • Discharge

اکبرپور ، م . ج.، و ج.  موسوی. 1385.  نخبه گزینی از جواب های شدنی الگوریتم ژنتیک در بهینه سازی بهره برداری از سیستم های چند مخزنه. دومین کنفرانس مدیریت منابع آب،  دانشگاه صنعتی اصفهان،  اصفهان.

زینلی م. ج.،  محمدرضاپور ا . ا.، و ف . فروغی. 1394.  ارزیابی الگوریتم های ازدحام ذرات، ژنتیک و سیستم مورچگان پیوسته در بهره برداری بهینه از مخزن سد درودزن.  نشریه دانش آب و خاک ،  جلد25،  شماره3،  صفحه های    27 تا 38.

سردارشهرکی،  ع. 1395.  تخصیص بهینه منابع آب حوضه آبریز هیرمند با کاربرد تئوری بازی و ارزیابی سناریوهای مدیریتی. پایان نامه دکتری اقتصاد کشاورزی، دانشکده مدیریت و اقتصاد، دانشگاه سیستان و بلوچستان، زاهدان.

سردارشهرکی،  ع.، ج .  شهرکی و س . آ .،  هاشمی منفرد . 1395.  بررسی رویکردهای مدیریتی بهره برداری منابع آب منطقه سیستان با استفاده از تحلیل سلسله مراتبی فازی  (AHP)پژوهش های مدیریت عمومی،  سال نهم، شماره سی و یکم،  صفحه98-73.

طالبی،  ع . م. ع.،  قربانی . و ر. دانشفراز . 1392.  اولویت بندی تخصیص آب سد قشلاق سنندج با استفاده از روش تحلیل سلسله مراتبی فازی (FAHP). اولین همایش ملی بهینه سازی مصرف آب.

محسنی، س. و ج . شهرکی . 1394. کاربرد برنامه ریزی فازی خاکستری در تخصیص منابع آب شهرستان یزد.تحقیقات اقتصاد کشاورزی،  جلد7،  شماره 3،  ص 90-73.

محمدرضاپور،  ا.  ا.، پ. حقیقت جو و  م. ج .،  زینلی. 1394. مقایسه الگوریتم ازدحام ذرات و ژنتیک در بهینه سازی ضرایب معادله منحنی سنجه رسوب در برآورد دبی رسوب معلق رودخانه سیستان) مطالعه موردی ایستگاه کهک).  فصلنامه علمی پژوهشی مهندسی آبیاری و آب،  سال ششم،  شماره بیستم و دوم.

معینی، ر.  و م.  ه . افشار .1387. به کار گیری الگوریتم مقید جامعه مورچگان در حل مسایل مقید سریالی. سومین کنفرانس مدیریت منابع آب ایران.  دانشگاه تبریز.  تبریز.

Goldberg, D. 1989.  Genetic algorithms in search optimization and machine learning. Addison-Wesley Longman Publishing Company. Boston.

Hajiabadi, R., Zarghami, M. 2014. Multi-Objective Reservoir Operation with Sediment Flushing; Case Study of Sefidrud Reservoir, Water Resources Management. Vol 28. pp. 5357-76.

Hakimi-Asiabar, M. Ghodsypour, H, and R. Kerachian. 2010. Deriving operating policies for multi-objective reservoir systems.  Application of Self-Learning Genetic Algorithm. Applied Soft Computing. Vol 10. pp. 1151-63.

Kiafar. H., and A. A. Sadradini.  2011. Optimal water allocation for Sufi-Chay Irrigation and Drainage network in East Azarbaijan province of Iran using genetic algorithm.  Fourth Conference on Water Resources Management 5:52-61.

 

Momeni, A. 2005. Determining optimal operation rule from multi-objective reservoir, using dynamic system. M.Sc. Thesis. Sharif University of Technology. 103p.

Pradhan, S.  N. and U. K. Tripathy., 2013. Optimization of the operating policy of the multipurpose Hirakud reservoir by Genetic Algorithm. American Journal of Engineering Research, 2(11): 260-266.

Sonaliya, S. and T. M. V. Suryanarayana.2014. 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): 13681-13687.

Zhou, R .and K. Yang.  2012. Optimal operation study of Qing river cascade reservoirs based on GA with uncertainty and flow transmission considered Procedia Engineering 28: 44–48.