بهره برداری بهینه از مخازن به منظور تامین نیازهای آبیاری بر پایه الگوریتم جدید پروانه پادشاه

محورهای موضوعی : محیط زیست

میرامید هادیانی ¹ , حمیدرضا وزیری ²

1 - استادیار گروه مهندسی محیط زیست، دانشکده کشاورزی و منابع طبیعی، واحد قائمشهر، دانشگاه آزاد اسلامی ، قائمشهر، ایران
2 - دانش‌آموخته دکتری تخصصی مهندسی عمران آب، دانشکده عمران، دانشگاه سمنان، سمنان، ایران.

تاریخ دریافت : 1400/10/26 تاریخ پذیرش : 1401/01/31 تاریخ انتشار : 1400/12/01

کلید واژه: مدیریت منابع آب, الگوریتم پروانه پادشاه, بهره‌برداری مخزن, هوش مصنوعی,

چکیده مقاله :

مطالعه حاضر به بهره برداری از مخزن به منظور تامین نیازهای آبیاری بر اساس الگوریتم تکاملی جدید پروانه پادشاه با هدف حداقل نمودن کمبودهای آبیاری پرداخته است. از الگوریتم های ژنتیک و ازدحام ذرات به عنوان الگوریتم های پرکاربرد و موفق برای مقایسه با الگوریتم پروانه پادشاه استفاده شد و به منظور انتخاب روش برتر از یک مدل تصمیم گیری چندمعیاره بهره برده شد. نتایج نشان داد الگوریتم پروانه پادشاه با کسب رتبه اول بر اساس مدل تصمیم گیری چندمعیاره و شاخص های مختلف نظیر اطمینان پذیری، آسیب پذیری، انعطاف پذیری و تابع هدف دارای عملکرد بهتری نسبت به الگوریتم ژنتیک و ازدحام ذرات است. علاوه بر آن، مقادیر کمبودهای تامین آب آبیاری بر اساس الگوریتم پروانه پادشاه نسبت به دو الگوریتم دیگر در طی هفت سال مطالعاتی کمتر می باشد. بنابراین مطالعه انجام شده نشان داد الگوریتم پروانه پادشاه دارای عملکرد مناسبی برای استفاده در مسایل مدیریت منابع آب می باشد.

چکیده انگلیسی:

Exploitation of dam reservoirs is one of the major problems in the management of water resources. In this context, artificial intelligence algorithms are used as a useful tool for optimizing. Crow algorithm is used in the current research for the first time to exploit reservoirs. Also, results related to the exploitation of a single-reservoir system to meet low dam’s requirements were compared to particle swarm and genetic evolutionary algorithms. Time reliability, volume reliability, vulnerability and reversibility indices were used to select the preferred method. Also, a multi-criteria decision-making model was used to select the preferred method. Results showed that the crow algorithm’s is close to the problem’s absolute optimal response so that the average of responses in the crow algorithm is 99% of absolute optimal response. Besides, except time reliability index, the crow algorithm has better performance in the rest indices compared to particle swarm and genetic algorithms. Also, the coefficient of variation of obtained responses by crow algorithm compared to genetic and particle swarm algorithms are 14 and 16 times smaller, respectively. The multi-criteria decision-making model revealed that compared to two other algorithms, the crow algorithm has the first rank and high potential in solving reservoir exploitation problem.