ارائه مدلی جهت مدیریت مصارف آبی کشاورزی، صنعتی و خانگی ایران با ترکیب پویاییشناسی سیستمها و الگوریتم ژنتیک
مریم موثقی گیلانی
1
(
دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد تهران مرکز
)
محمد علی افشار کاظمی
2
(
هیات علمی واحد تهران مرکزی دانشگاه ازاد اسلامی
)
محمد علی کرامتی
3
(
هیات علمی واحد تهران مرکزی دانشگاه آزاد اسلامی
)
کلید واژه: الگوریتم ژنتیک, مدیریت منابع آبی, پویایی شناسی سیستم ها,
چکیده مقاله :
مقدمه: در این تحقیق سیستم مدیریت منابع آبی کشور با رویکرد پویاییشناسی سیستمها مدلسازی شده و پس از شبیهسازی به تعیین میزان بهینه منابع آبی، قدرت اجتماعی حاکمیت، منابع مالی دولت و میزان مهاجرتهای آبی با توجه به متغیرهای تصمیم تعرفه آب خانگی، کشاورزی و صنعتی پرداخته شده است. نتایج ترکیب بهینه، افزایش تعرفه آب در بخش خانگی، کشاورزی و صنعتی جهت بهینهسازی تابع هدف را به ترتیب 11، 200 و 200 درصد در طی 5 سال آینده پیشنهاد مینماید.
روش: این تحقیق در ابتدا با استفاده از ابزار پویاییشناسی سیستمها متغیرها و حلقههای بازخوری دخیل در مدیریت منابع آبی را مدلسازی و شبیهسازی کرده است. بهمنظور بهینهسازی از دو روش الگوریتم ژنتیک و قابلیت Simulation-optimization در نرمافزار ونسیم استفاده شده است. در الگوریتم ژنتیک جمعیت اولیه 30 عدد و احتمال تقاطع و جهش به ترتیب 83 درصد و 17 درصد جمعیت در نظر گرفته شده است. معیار انتخاب هر کروموزوم با روش roulet wheel میباشد.
یافتهها: نتایج نشان داد بهینهسازی با الگورتیم ژنتیک نسبت به ادامه شرایط پایه، منابع آبی پشت سدها را 89 درصد افزایش داده در صورتی که خروجی نرمافزار ونسیم 84 درصد بهبود میدهد و در کل خروجی الگورتیم ژنتیک نسبت به خروجی بهینهسازی نرمافزار ونسیم، تابع هدف را 2 درصد بالاتر بهبود میدهد.
نتیجهگیری: نتایج نشان داد بهینهسازی با الگوریتم ژنتیک در قیاس با نرمافزار ونسیم نتایج قابل قبولتری ارائه میدهد. همچنین پس از بهینهسازی، بهترین سیاست تعرفهای جهت بهبود تابع هدف افزایش بیشتر در تعرفه آب کشاورزی و صنعتی نسبت به تعرفه خانگی است.
چکیده انگلیسی :
Introduction: In this study, the country's water resources management system has been modeled using a system dynamics approach. After simulation, optimal water resources, social power of governance, government financial resources, and the rate of water migration have been determined based on the decision variables of household, agricultural, and industrial water tariffs. The optimal combined results suggest an 11%, 200%, and 200% increase in water tariffs for household, agricultural, and industrial sectors, respectively, over the next 5 years.
Method: Initially, this study modeled and simulated the variables and feedback loops involved in water resources management using system dynamics tools. For optimization, two methods, the genetic algorithm and the Simulation-optimization capability in the Vensim software, were employed. In the genetic algorithm, an initial population of 30 individuals and crossover and mutation probabilities of 83% and 17% were considered. The selection criterion for each chromosome is based on the roulette wheel method.
Findings: The results indicate that optimization using the genetic algorithm results in an 89% increase in water resources behind dams compared to the baseline conditions, whereas the Vensim software output shows an 84% improvement. Overall, the genetic algorithm improves the objective function by 2% compared to the Vensim software's optimization output.
Conclusion: The results demonstrate that optimization with the genetic algorithm provides more acceptable outcomes compared to Vensim software. Additionally, after optimization, the best tariff policy for enhancing the objective function is a further increase in agricultural and industrial water tariffs compared to household tariffs.
_||_