A Stochastic Model for Water Resources Management

محورهای موضوعی : Stochastics Problems

سلیم باوندی ¹ (گروه ریاضی دانشگاه مازندران ایران)
هادی ناصری ² (گروه علوم ریاضی دانشگاه مازندران ایران)

تاریخ دریافت : 1396/03/27 تاریخ پذیرش : 1396/05/16 تاریخ انتشار : 1397/03/11

کلید واژه: water management, stochastic modeling, Two-stage stochastic programming, probabilistic programming,

چکیده مقاله :

Irrigation water management is crucial for agricultural production and livelihood security in many regions and countries throughout the world. Over the past decades, controversial and conflictladen water-allocation issues among competing municipal, industrial and agricultural interests have raised increasing concerns. Particularly, growing population, varying natural conditions and shrinking water availabilities have exacerbated such competitions. Shrinking water availabilities can result in reduced water supplies, while growing population can lead to increased water demands, these two facts can further intensify the water shortage. Stochastic programming methodology is applied in this paper to a capital investment problem in water resources. A framework is offered for the evaluation of electricity generation and water supply for agricultural irrigation. This essessment is conducted through the construction of an appropriate stochastic optimization model. A recursive least squares algorithm is incorp-orated in the model which enablee more accurate estimation of model parameters.

چکیده انگلیسی:

مدیریت آب آبیاری محصولات کشاورزی و امنیت امرار معاش در بسیاری از مناطق و کشورها در سراسر جهان بسیار حائز اهمیت است. در طول دهه گذشته، مسایل مربوط به تخصیص بحث بر انگیز و مملو از تضاد منابع آب میان منافع شهری، صنعتی و کشاورزی منجر به افزایش نگرانی ها شده است. به ویژه جمعیت رو به رشد شرایط طبیعی مختلف و کمبود امکانات آب، این رقابت را تشدید کرده است. کمبود آب می تواند متیجه کاهش منابع آب باشد، در حالی که جمعیت رو به رشد می تواند منجر به افزایش تقاضای آب شود، این دو واقعیت می تواند کمبود آب را بیشتر کند. در این مقاله از برنامه ریزی تصادفی برای یک مساله سرمایه گذاری در منابع آب استفاده شده است. همچنین یک چارچوب کلی برای ارزیابی تولید برق و تامین آب برای آبیاری کشاورزی ارائه شده است. این ارزیابی به کمک ایجاد یک مدل بهینه سازی تصادفی مناسب انجام شده است. یک الگوریتم حدقل مربعات در مدل گنجانده شده است که مارا در تخمین دقیق تر پارامترهای مدل یاری می کند.

منابع و مأخذ:

Arunkumar, S., & Yeh, W. G. (1973). Probabilistic models in the design and operation of a multi-purpose reservoir system. AVAILABLE FROM THE NATIONAL TECHNICAL INFORMATION SERVICE AS PB-232 410, 3(25).

Askew, A. J. (1974). Chance‐constrained dynamic programing and the optimization of water resource systems. Water Resources Research, 10(6), 1099-1106.

Askew, A. J. (1974). Optimum reservoir operating policies and the imposition of a reliability constraint. Water Resources Research, 10(1), 51-56.

Butcher, W. S. (1971). Stochastic dynamic programming for optimum reservoir operation. JAWRA Journal of the American Water Resources Association, 7(1), 115-123.

Charnes, A., & Cooper, W. W. (1963). Deterministic equivalents for optimizing and satisficing under chance constraints. Operations research, 11(1), 18-39.

Geib, A.(1974). Editor, Applied OptGnal Estirnution, M.I.T. Press, Cambridge.

Li, Y. P., Huang, G. H., & Nie, S. L. (2006). An interval-parameter multi-stage stochastic programming model for water resources management under uncertainty. Advances in Water Resources, 29(5), 776-789.

Li, Z., Deng, X., Wu, F., & Hasan, S. S. (2015). Scenario analysis for water resources in response to land use change in the middle and upper reaches of the Heihe River Basin. Sustainability, 7(3), 3086-3108.

Ma, Z. Z., Wang, Z. J., Xia, T., Gippel, C. J., & Speed, R. (2014). Hydrograph-Based Hydrologic Alteration Assessment and Its Application to the Yellow River. Journal of Environmental Informatics, 23(1).

Maqsood, I., Huang, G. H., & Yeomans, J. S. (2005). An interval-parameter fuzzy two-stage stochastic program for water resources management under uncertainty. European Journal of Operational Research, 167(1), 208-225.

Revelle, C., Joeres, E., & Kirby, W. (1969). The linear decision rule in reservoir management and design: 1, Development of the stochastic model. Water Resources Research, 5(4), 767-777.

Stedinger, J. R., Sule, B. F., & Loucks, D. P. (1984). Stochastic dynamic programming models for reservoir operation optimization. Water resources research, 20(11), 1499-1505.

Taylor, H. M., & Karlin, S. (1984). An introduction to stochastic modeling Academic Press. New York.

Trezos, T., & Yeh, W. W. G. (1987). Use of stochastic dynamic programming for reservoir management. Water Resources Research, 23(6), 983-996.

Wang, S., & Huang, G. H. (2011). Interactive two-stage stochastic fuzzy programming for water resources management. Journal of environmental management, 92(8), 1986-1995.

Wang, Z., Yang, J., Deng, X., & Lan, X. (2015). Optimal water resources allocation under the constraint of land use in the Heihe River Basin of China. Sustainability, 7(2), 1558-1575.

Yeh, W. W. G. (1985). Reservoir management and operations models: A state‐of‐the‐art review. resources research, 21(12), 1797-1818.