تحلیل جبهه پارتو در تخصیص بهینه منابع آب با استفاده از الگوریتم چندهدفه اسب (MOHO)

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 87

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWIM-16-1_011

تاریخ نمایه سازی: 4 مرداد 1405

چکیده مقاله:

مدیریت منابع آب در مناطق نیمه خشک با چالش هایی همچون نوسانات اقلیمی، تضاد عرضه و تقاضا و محدودیت های محیط زیستی همراه است. در این پژوهش، الگوریتم چندهدفه اسب (MOHO) برای نخستین بار جهت بهره برداری بهینه از مخزن قرنقو توسعه داده شد. دو هدف اصلی شامل کاهش آسیب پذیری ناشی از کمبود آب و افزایش اطمینان پذیری تامین تقاضا مورد بررسی قرار گرفت. مقایسه عملکرد MOHO با مدل مرجع MOGA و تابع آزمون فونسکا–فلمینگ نشان داد که الگوریتم جدید توانایی مناسبی در دست یابی به جبهه پارتو و حفظ تنوع پاسخ دارد. تحلیل نتایج دوره پایه (۲۰۰۰–۱۹۷۱) نشان داد که مقدار آسیب پذیری در طیف راه حل ها بین حدود ۱۵ تا ۳۶ درصد و اطمینان پذیری بین حدود ۲۹ تا ۷۰درصد تغییر می کند. نقطه سازشی جبهه پارتو در محدوده آسیب پذیری ۳۱ تا ۳۳ درصد و اطمینان پذیری ۴۰ تا ۵۵ درصد قرار گرفت. هم چنین بررسی رفتار مخزن بیان گر وجود عدم تطابق زمانی میان ورود طبیعی و تقاضای انسانی بوده و ضرورت برنامه ریزی دقیق رهاسازی و مدیریت ذخیره را نشان می دهد. در نهایت، مجموعه ای از اقدامات مدیریتی برای کاهش کسری، کنترل سرریز و افزایش تاب آوری سامانه پیشنهاد شد.

نویسندگان

لیلا شاکرمی

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران.

پریساسادات آشفته

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، 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 :
  • Ashofteh, P.-S., Bozorg-Haddad, O., & Loáiciga, H. A. (۲۰۱۵). Evaluation ...
  • Fallah-Mehdipour, E., Bozorg Haddad, O., & Mariño, M. A. (۲۰۱۱). ...
  • Garcia, J. A., & Alamanos, A. (۲۰۲۳). A multi-objective optimization ...
  • Han, Y., Dong, Z., Cui, C., Zhang, T., & Luo, ...
  • Jia, D., Zhang, T., Wu, L., Su, X., Bai, T., ...
  • Kalhori, M., Ashofteh, P.-S., & Moghadam, S.-H. (۲۰۲۳). Development of ...
  • Khorsandi, M., Ashofteh, P.-S., Azadi, F., & Chu, X. (۲۰۲۲). ...
  • Li, Y., Cui, Q., Li, Ch., Wang, X., Cai, Y., ...
  • MiarNaeimi, F., Azizian, Gh., & Rashki, M. (۲۰۲۱). Horse herd ...
  • Naghdi, S., Bozorg-Haddad, O., Khorsandi, M., & Chu, X. (۲۰۲۱). ...
  • Najafi, M., Najarchi, M., & Mirhosseini, S.-M. (۲۰۲۴). Multi-objective simulation–optimization ...
  • Pourali Dougaheh, M., & Ashofteh, P.-S. (۲۰۲۵). Development of multi-objective ...
  • Yu, X., Xu, Y.-P., Gu, H., & Guo, Y. (۲۰۲۳). ...
  • Zhang, F., & Zhang, Y. (۲۰۲۰). A multi-objective optimization prediction ...
  • نمایش کامل مراجع