کاربرد الگوریتم نوین بهینه سازی گروه گوریل ها برای مدیریت بهره برداری مخزن

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 174

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-52-11_009

تاریخ نمایه سازی: 31 اردیبهشت 1402

چکیده مقاله:

در این مقاله الگوریتم فرا ابتکاری بهینه ساز گروه گوریل های مصنوعی (GTO) با الگوریتم های بهینه ساز گرگ خاکستری (GWO) و ازدحام ذرات (PSO) به منظور مدیریت بهره برداری بهینه از مخزن سد مقایسه شد. نتایج الگوریتم GTO با الگوریتم های GWO و PSO که در زمینه مسائل پیچیده مهندسی و بهره برداری از مخزن موفق عمل کردند، ارزیابی شد. تابع هدف کمینه سازی مجموع مربعات کمبود نیاز پایین دست طی دوره بهره برداری تعریف شد و قیود مربوط به معادله پیوستگی مخزن، حجم مخزن و حجم رهاسازی بر آن اعمال گردید. مطالعه موردی سد مخزنی جامیشان واقع در استان کرمانشاه در نظر گرفته شد. در این راستا مقادیر رواناب مربوط به سال های آماری ۱۳۹۰-۱۳۷۰ بعنوان جریان ورودی آب به مخزن برای مدیریت بهره برداری بهینه از مخزن معرفی شد. نتایج بدست آمده از الگوریتم های بهینه سازی با استفاده از شاخص های ارزیابی خطا شامل جذر میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE)، معیار نش-ساتکلیف (NSE)، نسبت جذر میانگین مربعات خطا به انحراف معیار داده های مشاهداتی (RSR)، اطمینان پذیری، برگشت پذیری، آسیب پذیری و کمینه سازی تابع هدف مورد ارزیابی قرار گرفتند. مقادیر این شاخص ها به ترتیب برای GTO ۸۶/۲، ۸۵/۱، ۷۳/۰، ۵۲/۰، ۶۹%، ۳۶%، ۲۳% و ۷/۴ می باشند. مقادیر این شاخص ها مشخص کردند الگوریتم GTO دارای دقت بسیار خوبی بوده و بهتر از الگوریتم های GWO و PSO عمل می­کند. لذا الگوریتم GTO می تواند بعنوان یک الگوریتم قدرتمند برای حل مسائل بهره برداری بهینه از مخزن سد بکار رود. براساس این الگوریتم، مقدار حجم رهاسازی آب بصورت تابعی از حجم مخزن سد، آورد به مخزن و مقادیر حجم تقاضای آب برای ماه های سال تعیین گردید.

کلیدواژه ها:

بهینه سازی ، الگوریتم فرا ابتکاری ، گروه گوریل های مصنوعی ، بهره برداری از مخزن

نویسندگان

ایرج پسندیده

دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

بهروز یعقوبی

گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، 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 :
  • Abdollahzadeh, B., Soleimanian Gharehchopogh, F., & Mirjalili, S. (۲۰۲۱). Artificial ...
  • Afshar, M. (۲۰۱۲). Large scale reservoir operation by constrained particle ...
  • Ahmadi, A., Han, D., Kakaei Lafdani, E., & Moridi, A. ...
  • Ahmadianfar, I., Kheyrandish, A., Jamei, M., & Gharabaghi, B. (۲۰۲۱). ...
  • Bolouri-Yazdeli, Y., Haddad, O. B., Fallah-Mehdipour, E., & Mariño, M. ...
  • Bozorg-Haddad, O., Azarnivand, A., Hosseini-Moghari, S.-M., & Loáiciga, H. A. ...
  • Bozorg-Haddad, O., Karimirad, I., Seifollahi-Aghmiuni, S., & Loáiciga, H. A. ...
  • Che, G., Liu, L., & Yu, Z. (۲۰۲۰). An improved ...
  • Chong, K. L., Lai, S. H., Ahmed, A. N., Jaafar, ...
  • Choopan, Y., & Emami, S. (۲۰۱۹). Optimal Operation of Dam ...
  • Dahmani, S., & Yebdri, D. (۲۰۲۰). Hybrid algorithm of particle ...
  • Davani Motlagh, A., Sadeghian, M., Javid, A., & Asgari, M. ...
  • Donyaii, A., Sarraf, A., & Ahmadi, H. (۲۰۲۰c). Water reservoir ...
  • Emami, S., Choopan, Y., & Salmasi, F. (۲۰۲۰). Presentation of ...
  • Feng, Z.-k., Niu, W.-j., Liu, S., Luo, B., Miao, S.-m., ...
  • Garousi-Nejad, I., Bozorg-Haddad, O., Loáiciga, H. A., & Mariño, M. ...
  • Jahandideh-Tehrani, M., Bozorg-Haddad, O., & Loáiciga, H. A. (۲۰۱۹). Application ...
  • Jahandideh-Tehrani, M., Bozorg-Haddad, O., & Loáiciga, H. A. (۲۰۲۰). Application ...
  • Karami, H., Ehteram, M., Mousavi, S.-F., Farzin, S., Kisi, O., ...
  • Labadie, J. W. (۲۰۰۴). Optimal operation of multireservoir systems: State-of-the-art ...
  • Masoumi, F., Salimi, N., & Zafari, N. (۲۰۲۰). Evaluation of ...
  • Moeini, R., & Babaei, M. (۲۰۱۷). Constrained improved particle swarm ...
  • Mohammadrezapour, O., & Zeynali, M. (۲۰۱۸). Comparison of meta-heuristic algorithms ...
  • Montalvo, I., Izquierdo, J., Pérez, R., & Tung, M. M. ...
  • Noori, M., Emadi, A., & Fazloula, R. (۲۰۲۰). Agent Based ...
  • Rani, D., Pant, M., & Jain, S. (۲۰۲۰). Dynamic programming ...
  • Reddy, M. J., & Kumar, D. N. (۲۰۰۷). Optimal reservoir ...
  • SaberChenari, K., Abghari, H., & Tabari, H. (۲۰۱۶). Application of ...
  • Sharifi, M. R., Akbarifard, S., Qaderi, K., & Madadi, M. ...
  • Wurbs, R. A. (۱۹۹۳). Reservoir-system simulation and optimization models. Journal ...
  • Yaghoubi, B., Hosseini, S. A., Nazif, S., & Daghighi, A. ...
  • Yan, D., Zhuang, K., Xu, B., Chen, D., Mei, R., ...
  • Zhang, R., Zhou, J., Ouyang, S., Wang, X., & Zhang, ...
  • نمایش کامل مراجع