تعداد نشریات | 44 |
تعداد شمارهها | 1,301 |
تعداد مقالات | 15,998 |
تعداد مشاهده مقاله | 52,429,852 |
تعداد دریافت فایل اصل مقاله | 15,174,041 |
کاربرد الگوریتمهای بهینهسازی مبتنی بر یادگیری و آموزش در بهرهبرداری از مخزن سد علویان با لحاظ حقآبه زیستمحیطی | ||
دانش آب و خاک | ||
مقاله 12، دوره 33، شماره 3، مهر 1402، صفحه 199-216 اصل مقاله (1.08 M) | ||
شناسه دیجیتال (DOI): 10.22034/ws.2022.522485757.2485 | ||
نویسندگان | ||
هاجر فیضی1؛ رضا دشتی2؛ محمدتقی ستاری* 3؛ وحید نورانی4 | ||
1دکترای مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تبریز | ||
2کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده عمران، دانشگاه تبریز | ||
3دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
4استاد گروه مهندسی منابع آب، دانشکده عمران، دانشگاه تبریز | ||
چکیده | ||
چکیده یکی از چالشهای مهم در مدیریت منابع آب، بهینهسازی بهرهبرداری از مخازن سدهاست. در این تحقیق عملکرد الگوریتم مبتنی بر یادگیری و آموزش در مقایسه با الگوریتمهای جستجوی هارمونی اصلاحشده و مجموعه ذرات بهمنظور بهرهبرداری بهینه از مخزن سد علویان، واقع بر روی رودخانه صوفیچای موردبررسی قرار گرفت. جریان زیستمحیطی رودخانه صوفیچای با دو روش هیدرولوژیک تنانت (سناریوی اول) و تحلیل منحنی تداوم جریان (سناریوی دوم) برآورد شد. سپس، مدل بهینهسازی در قالب دو سناریو و با در نظر گرفتن تأمین کامل حداقل جریان زیستمحیطی، شرب، صنعت و به حداقل رساندن شدت کمبودهای کشاورزی نوشته شد. جهت بررسی عملکرد الگوریتمهای موردبررسی در بهرهبرداری بهینه از مخزن، از شاخصهای عملکرد مخزن شامل قابلیت اعتماد، آسیبپذیری و شاخص پایداری مخزن استفاده گردید. نتایج بهدستآمده حاکی از عملکرد مناسب الگوریتم یادگیری و آموزش نسبت به روشهای موردبررسی برای هر دو سناریو بود. بهطوریکه در الگوریتم مبتنی بر یادگیری و آموزش، مقادیر تابع هدف برای سناریوی اول و دوم به ترتیب برابر 43/2 و 54/7 حاصل شد. درحالیکه در الگوریتم جستجوی هارمونی اصلاحشده مقادیر تابع هدف برای سناریوی اول و دوم به ترتیب برابر 81/2 و 8 و برای الگوریتم مجموعه ذرات به ترتیب 34/3 و 45/8 بهدست آمد. بهطورکلی نتایج بهدستآمده حاکی از قابلیت بالای الگوریتم مبتنی بر یادگیری و آموزش در محاسبه مقادیر بهینه آب رهاشده از مخزن سد علویان با لحاظ حقآبه زیستمحیطی بود. | ||
کلیدواژهها | ||
الگوریتم اصلاحشده جستجوی هارمونی؛ الگوریتم مبتنی بر آموزش و یادگیری؛ بهرهبرداری بهینه از مخزن؛ حقآبه زیستمحیطی؛ سد علویان | ||
مراجع | ||
Ahmadipur Z and Yasi M, 2014. Comparison of eco-hydrological-hydraulic methods in evaluating the environmental flow of rivers (Nazlo River, Urmia Lake Basin). Hydraulic 9(2): 69-82. (In Persian with English abstract)
Anonymous, 2009. Guide for determining the minimum water requirements of aquatic ecosystems. Water and Wastewater Engineering and Technical Standard Office, 113 p. Tehran, Iran. (In Persian with English abstract)
Anonymous, 2015. Urmia lake restoration report, preparations and solutions. Sociocultural Committee of Urmia Lake Restoration Headquarters. Iran.
Azarafza H, Rezaei H, Bahmanesh J and Basharat S, 2012. Comparing the results of using PSO, GA and SA algorithms in the optimization of single reservoir systems (Case study: Shahrchai Dam, Urmia). Water and Soil Science 5(26): 1108-1101. (In Persian with English abstract)
Babran S, 2008. The legal status of environmental water rights. The Scientific Journal of Strategy 16(3): 129-164. (In Persian with English abstract)
Bashiri-Atrabi H, Qaderi K, Rheinheimer, DE and Sharifi E, 2015. Application of harmony search algorithm to reservoir operation optimization. Water Resources Management 29(15): 5729-5748.
Burhani Darian A and Mortazavi Naini M, 2008. Comparing the use of exploration methods in the optimal use of water resources. Water and Wastewater Scientific Research 19(68): 57-66 (In Persian with English abstract).
Chen S, Shao D, Li X and Lei C, 2016. Simulation-Optimization modeling of conjunctive operation of reservoirs and ponds for irrigation of multiple crops using an improved Artificial Bee Colony Algorithm. Water Resources Management 30(9): 2887-2905.
Dashti R, Sattari MT, Noorani V and Abbasfam J, 2016. Optimum exploitation of single reservoir system using modified harmony search algorithm (Case study: Alavian Dam). Pp. 442-451.The Second International Conference on New Research Achievements in Civil Engineering, Architecture and Urban Management. 31 May, Amirkabir University, Tehran, Iran. (In Persian with English abstract)
Eberhart RC and Kennedy J, 1995. A new optimizer using particle swarm theory. Pp. 39-43. Sixth International Symposium on Micro Machine and Human Science. 04-06 October, Nagoya, Japan.
Geem ZW, Kim JH and Loganathan GV, 2001. A new heuristic optimization algorithm: harmony search. Simulation 76(2): 60-68.
Ji G, Wang J, Ge Y and Liu H, 2014. Urban water demand forecasting by LS-SVM with tuning based on elitist teaching-learning-based optimization. Pp. 3997-4002. Control and Decision Conference. 31 May-02 June, Changsha, China.
Kougias IP and Theodossiou NP, 2013. Application of the Harmony Search optimization algorithm for the solution of the multiple dam system scheduling. Journal of Optimization and Engineering 14(2): 331-344.
Kumar V and Yadav SM, 2021. Optimization of water allocation for Ukai reservoir using Elitist TLBO. Water Resources Management and Reservoir Operation 107: 191-204
Labadie JW, 2004. Optimal operation of multi-reservoir system: State of the art review. Journal of Water Resources Planning and Management 130(2): 93-111.
Loucks DP, Van Beek E, Stedinger JR, Dijkman JP and Villars MT, 2005. Water Resources Systems Planning and Management: An Introduction to Methods, Models and Applications. Paris.
Mahdavi M, Fesanghary M and Damangir E, 2007. An improved harmony search algorithm for solving optimization problems. Applied Mathematics and Computation 8(18): 1567-1579.
Patnaik P and Swain PC, 2021. Intelligent operation of Hirakud reservoir using metaheuristic techniques (PSO and TLBO). Water Resources Management and Reservoir Operation 107: 263-276.
Pradhan SN and Tripathy UK, 2013. Optimization of the operating policy of the multipurpose Hirakud reservoir by genetic algorithm. American Journal of Engineering Research 2(11): 260-266.
Rani D and Moreira MM, 2010. Simulation–optimization modeling: a survey and potential application in reservoir systems operation. Water Resources Management 24(6): 1107-1138.
Rao RV, Savsani VJ and Vakharia D, 2011. Teaching–learning-based optimization: a novel method for constrained mechanical design optimization problems. Computer-Aided Design 43(3): 303-315.
Saberchenari K, Abghari H, Erfanian M, Ghaderi M, Salmani H and Asadinalivan O, 2016. Optimization reservoir operation policy with approach reduces probability of inflow using genetic algorithm (Case study: Mahabad Reservoir Dam). 4: 34-43. (In Persian with English abstract)
Sonaliya S and Suryanarayana TMV, 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.
Tennant DL, 1976. Instream flow regimens for fish, wildlife, recreation and related environmental resources. Journal of Fisheries 1(4): 6-10.
Tharme RE, 2003. A Global perspective on environmental flow assessment: Emerging trends in the development and application of environmental flow methodologies for rivers. River Research and Applications 9(5): 397-441.
Wenxia Y, Tianyi Q, Wenwu L and Zhi Z, 2018. Application of teaching learning based optimization in long term optimal reservoir operation. Pp. 1-5. 10th International Conference on Modelling, Identification and Control (ICMIC). 02-04 July, Guiyang, China. | ||
آمار تعداد مشاهده مقاله: 390 تعداد دریافت فایل اصل مقاله: 320 |