کاربرد الگوریتم تکامل تفاضلی پویای تطبیقی در تخصیص بهینه منابع آب (مطالعه موردی: سد بافت کرمان)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 132

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WATER-13-4_015

تاریخ نمایه سازی: 12 تیر 1402

چکیده مقاله:

استفاده بهینه از منابع آبی سدها به دلیل خشک سالی های مستمر و کم آبی های موجود، چالشی جدی در مدیریت و مهندسی منابع آب است. ازاین رو، به منظور مدیریت جامع در مقدار مصرف منابع آبی سدها، ایجاد سازوکار کنترلی در رهاسازی منابع آبی بسیار ضروری است. در این مطالعه، یک الگوریتم تکاملی بهبودیافته با عنوان «تکامل تفاضلی تطبیقی با انتخاب بازه های افزایشی پویا (ADECDII)» برای بهینه سازی سیستم آبی تک مخزنی پیشنهاد شد. کارایی رویکرد ADECDII در استفاده از طرح انتخاب بازه های افزایشی پویا برای تنظیم پارامترهای نسخه تکامل تفاضلی کلاسیک (DE) بود. مدسازی مسئله نیز به صورت یک مسئله کمینه سازی مقید با تابع هدف مقادیر خطا بین تقاضای حقیقی و آب رهاسازی شده، با دوره های زمانی یک ماهه بین سال های ۱۳۹۷-۱۳۸۷، بر روی سد بافت کرمان تعریف شد. ارزیابی عملکرد ADECDII با شش الگوریتم پیشرفته مقایسه گردید. بر اساس نتایج آماری، کمترین میانگین کمبودهای آبی سد با میانگین خطای تقریبا صفر (۳۱-۱۰>) در واحد میلیون مترمکعب برای ADECDII ثبت شد که کارآمدی رویکرد پیشنهادی را در تخصیص بهینه مقادیر آب رهاسازی شده اثبات کرد. این در حالی است که، سایر الگوریتم های مقایسه شونده نتوانستند کمبود واقعی کمتر از ۳۷/۰ میلیون مترمکعب گزارش کنند. میانگین زمان اجرای ADECDII با اندازه ۱۵/۷ ثانیه به دست آمد که نسبت به DE اختلاف سه ثانیه ای داشت. همچنین، ADECDII در برگزاری آزمون های شاخص قابلیت اطمینان، شاخص آسیب پذیری، شاخص برگشت پذیری، شاخص پایداری، اختلاف مقادیر رهاسازی نسبت به مقادیر تقاضا حقیقی در یک متوسط سالانه و نرخ همگرایی، به وضوح برتری عملکرد بالاتری در مقایسه با سایر الگوریتم های شرکت کننده در رقابت نشان داد.

کلیدواژه ها:

بهره وری بهینه منابع آب ، سیستم تک مخزن ، تکامل تفاضلی ، طرح تطبیقی پویای پارامترها ، مدیریت آب

نویسندگان

حسین محمدی

گروه علوم کامپیوتر، دانشکده ریاضیات - آمار و علوم کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان، ایران

زهرا غفاری مقدم

گروه اقتصاد کشاورزی، پژوهشکده کشاورزی، پژوهشگاه زابل، زابل، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abdelkader, E.M., A. Al-Sakkaf, G. Alfalah, and N. Elshaboury. ۲۰۲۲. ...
  • Afshar, A., M.J. Emami Skardi, and F. Masoumi. ۲۰۱۵. Optimizing ...
  • Ahmadianfar, I., A. Kheyrandish, M. Jamei, and B. Gharabaghi. ۲۰۲۱. ...
  • Ali, M.Z., N.H. Awad, and P.N. Suganthan. ۲۰۱۵. Multi-population differential ...
  • Allawi, M.F., O. Jaafar, F.M. Hamzah, M. Ehteram, M.S. Hossain, ...
  • Amirkhani, M., O. Bozorg-Haddad, A. Azarnivand, and H.A. Loáiciga. ۲۰۱۷. ...
  • Atashpaz-Gargari, E., and C. Lucas. ۲۰۰۷. Imperialist competitive algorithm: an ...
  • Beiramipoor, S., K. Qaderi, H. Haghjuie, and M. Rahimpour. ۲۰۱۸. ...
  • Bozorg-Haddad, O., I. Karimirad, S. Seifollahi-Aghmiuni, and H.A. Loáiciga. ۲۰۱۵. ...
  • Chen, D., A.S. Leon, S.P. Engle, C. Fuentes, and Q. ...
  • Cheng, C.-T., W.-C. Wang, D.-M. Xu, and K. Chau. ۲۰۰۸. ...
  • Choong, S.-M., A. El-Shafie, and W. Wan Mohtar. ۲۰۱۷. Optimisation ...
  • Derrac, J., S. García, D. Molina, and F. Herrera. ۲۰۱۱. ...
  • Donyaii, A., A. Sarraf, and H. Ahmadi. ۲۰۲۰. A novel ...
  • Ehteram, M., H. Karami, and S. Farzin. ۲۰۱۸a. Reducing irrigation ...
  • Ehteram, M., S.-F. Mousavi, H. Karami, S. Farzin, M. Emami, ...
  • Ehteram, M., V. P Singh, H. Karami, K. Hosseini, M. ...
  • Fallah-Mehdipour, E., O.B. Haddad, and M. Mariño. ۲۰۱۲. Real-time operation ...
  • Fang, G.-h., C.-j. Wu, T. Liao, X.-f. Huang, and B. ...
  • Haddad, O.B., S.-M. Hosseini-Moghari, and H.A. Loáiciga. ۲۰۱۶. Biogeography-based optimization ...
  • Hashimoto, T., J.R. Stedinger, and D.P. Loucks. ۱۹۸۲. Reliability, resiliency, ...
  • Holland, J.H. ۱۹۹۲. Genetic algorithms. Scientific american ۲۶۷:۶۶-۷۳ ...
  • Hossain, M.S., and A. El-Shafie. ۲۰۱۳. Application of artificial bee ...
  • Karaboga, D., and B. Basturk. ۲۰۰۷. Artificial bee colony (ABC) ...
  • Khorashadizadeh, M., G. Azizyan, S. Hashemi Monfared, A. Akbarpour, and ...
  • Khorashadizadeh, M., G. Azizyan, S. Hashemi Monfared, A. Akbarpour, and ...
  • Khorashadizadeh, M., S.A. Hashemimonfared, A. Akbarpour, and M. Pourreza-bilondi. ۲۰۱۶. ...
  • Mansouri, A., B. Aminnejad, and H. Ahmadi. ۲۰۱۸. Introducing modified ...
  • Mehrabian, A.R., and C. Lucas. ۲۰۰۶. A novel numerical optimization ...
  • Mohammadrezapour, O., I. Yoosefdoost, and M. Ebrahimi. ۲۰۱۹. Cuckoo optimization ...
  • Pant, M. ۲۰۲۲. Differential Evolution for Water Management Problems. In ...
  • Qaderi, K., S. Akbarifard, M.R. Madadi, and B. Bakhtiari. ۲۰۱۸. ...
  • Rao, S.S. ۲۰۱۹. Engineering optimization: theory and practice. John Wiley ...
  • Rath, A., and P.C. Swain. ۲۰۱۸. Water allocation from Hirakud ...
  • Safavi, H., and M. Gol Mohammadi. ۲۰۱۶. Evaluating the water ...
  • Sandoval-Solis, S., D. McKinney, and D.P. Loucks. ۲۰۱۱. Sustainability index ...
  • Sedighkia, M., B. Datta, and A. Abdoli. ۲۰۲۱. Optimizing reservoir ...
  • Simon, D. ۲۰۰۸. Biogeography-based optimization. IEEE transactions on evolutionary computation ...
  • Srinivasan, K., and K. Kumar. ۲۰۱۸. Multi-objective simulation-optimization model for ...
  • Storn, R., and K. Price. ۱۹۹۷. Differential evolution–a simple and ...
  • Thongwan, T., A. Kangrang, and H. Prasanchum. ۲۰۱۹. Multi-objective future ...
  • Yang, S., D. Yang, J. Chen, and B. Zhao. ۲۰۱۹. ...
  • نمایش کامل مراجع