تلفیق استفاده از مدل برنامه ریزی منابع آب MODSIM و الگوریتم فراکاوشی PSO در تعیین حجم بهینه مخازن آب شرب (مطالعه موردی: شهر گرگان)
الموضوعات :
سمیرا حسین پور
1
,
امیراحمد دهقانی
2
,
عبدالرضا ظهیری
3
,
مجتبی شوریان
4
,
مهدی مفتاح هلقی
5
1 - دانش آموخته کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
2 - دانشیار، گروه مهندسی آّب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
3 - دانشیار، گروه مهندسی آّب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
4 - استادیار، گروه عمران آب و محیط زیست، دانشگاه شهید بهشتی
5 - دانشیار، گروه مهندسی آّب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
الکلمات المفتاحية: بهینه سازی, MODSIM, PSO, شاخص اعتمادپذیری, شاخص آسیب پذیری,
ملخص المقالة :
نیاز روز افزون به آب نتیجه رشد جمعیت و توسعه شهری است که برنامه‌ریزی همه جانبه برای تأمین آب به مقدار کافی و کیفیت مناسبی را دربردارد و مدل‌سازی یکی از ضروریات مدیریت و برنامه‌ریزی برای منابع و مصارف آب است. بمنظور تعدیل فشار و سرعت جریان در لوله‌ها، معمولا بر اساس توپوگرافی، شهر به زونهای مختلف تقسیم شده و در هر زون مخزنی تعبیه می‌شود. معمولا این مخازن به هم متصل و هنگامی که نیاز در یک زون شهر افزایش می یابد، کمبود آب از زونهای دیگر جبران می شود. در این تحقیق حجم بهینه مخازن آب شرب شهر گرگان با استفاده از مدل MODSIM و الگوریتم فراکاوشیPSO در سناریوهای مختلف مدیریتی محاسبه و نتایج آن با همدیگر مقایسه شده است. MODSIMیک سیستم پشتیبانی تصمیم مدیریت منابع برای تحلیل برنامه‌ریزی بلندمدت، مدیریت میان‌مدت و عملکردهای کوتاه‌مدت می‌باشد. جهت کالیبراسیون مدل از داده های سالهای 1391 تا 1392 در مقیاس روزانه استفاده شد و نهایتاً قابلیت مدل براساس معیارهایی همچون اعتمادپذیری و آسیب‌پذیری مورد ارزیابی قرار گرفته است.
نتایج نشان می‌دهد که در تمامی سناریوهای مدیریتی، در دوره بلندمدت 1420، منطقه1 زون فشاری (شمالی‌ترین قسمت گرگان) و مناطق 8 تا 10 (جنوبی‌ترین قسمت گرگان) مناطق غیربحرانی هستند و به افزایش حجم مخازن نیاز ندارند. ولی در مناطق 2تا 7 نیاز به افزایش حجم مخازن وجود دارد که منطقه3 بحرانی‌ترین منطقه بین بقیه مناطق می‌باشد و آسیب‌پذیری این منطقه بدون طراحی مخزن 5/11هزارمترمکعب در روز می‌باشد
منابع
1) سروری، م. ر. معراجی، س. ح. ولی پور، ر. معراجی، س. ص. 1385. الگوریتم بهینه سازی PSO و کاربرد آن در طراحی بهینه حجم مخازن سدها. همایش ملی مدیریت شبکه‌های آبیاری و زهکشی. دانشگاه شهید چمران اهواز.
2) فلاح مهدی پور، ا.، خیاط خلقی، م.، و بزرگ حداد، ا. 1387. کاربرد الگوریتم بهینه سازی مجموعه ذرات چندهدفه در بهره برداری چند منطوره از مخزن. سومین کنفرانس مدیریت منابع آب ایران، دانشگاه تبریز.
3) آزادنیا، ا. زهرایی، ب. 1389. کاربرد الگوریتم بهینه سازی PSO در بهینه سازی چند هدفه بهرهبرداری از مخازن سدها. پنجمین کنگره ملی مهندسی عمران. دانشگاه فردوستی مشهد.
4) سبززاده، ا. علیمحمدی، س. 1391. برآورد ضریب جریان بازگشتی از کشاورزی به کمک الگوریتم بهینه سازی دسته ذرات، نشریه آبیاری و زهکشی ایران. 4 (6): 290-305.
5) شریفی، ف. 1384. بهینه سازی بهره برداری از مخازن چندمنظوره با استفاده از الگوریتم چند جامعه ای مورچهها. پایان نامه کارشناسی ارشد. دانشگاه علم و صنعت.
6) Baltar, A. M. and Fontane, D. G. 2008. Use of multiobjective particle swarm optimization in water resources management. ASCE Journal of Water Resources Planning and Management. 134(3): 275-265.
7) Eberhart, R. C. and Kennedy, J. 1995. A new optimizer using particle swarm theory. Proceedings Sixth Symposium on Micro Machine and Human Science. pp. 39-43. IEEE Service Center, Piscataway, NJ.
8) Eberhart R. C., Simpson, P., and Dobbins, R., 1996. Computational Intellingence PC Tools. Academic Press.
9) Gill M. K., Kaheil, Y. H., Khalil, A., and McKee, M., Bastidas, L. 2006. Multiobjective particle swarm optimization for parameter estimation in hydrology. Water Resources Research.
10) Joubert, A. Stewart, T. J. and Eberhard, R. 2003. Evaluation of water supply augmentation and demand management option for the City of Cape Town. Journal of Multi-Criteria Decision Analysi. 12(1): 17-25.
11) Premalatha, K. and Natarajan, M. 2009. Precreant PSO for fastening the convergence to optimal solution in the application of document clustering. Current Science. 96 (1): 137-143.
12) Reddy, M. J. and Kumar, D. N. 2007. Multi-objective particle swarm optimization for generating optimal trade-offs in reservoir operation. Hydrological Processes. 21: 2897-2909.
_||_