ارزیابی الگوریتم‌های بهینه‌سازی GA و PSO در بهره‌برداری از سیستم‌های چندمخزنه مطالعه موردی: سدهای حوضه گرگان رود

Authors

Abstract:

سابقه و هدف: بهره‌برداری بهینه از سیستم‌های منابع آب و تدوین قوانین و سیاست‌های مناسب بهره‌برداری از مخازن در سال‌های اخیر موردتوجه کارشناسان منابع آب قرارگرفته و تحقیقات گسترده‌ای برروی آن‌ها انجام‌شده است. هرچند در این زمینه پیشرفت‌های زیادی به لحاظ استراتژی‌های حل مسئله و ابزارهای محاسباتی به‌وجود آمده است، اما مسئله بهینه‌سازی بهره‌برداری از یک سیستم چندمخزنه به دلیل تاثیرات بهره برداری مخازن بالادست بر ورودی های مخازن پایین دست، از پیچیدگی های زیادی برخوردار است. روش‌های بهینه‌سازی معمول به‌دلیل قیدهای زیاد، فضای ناپیوسته و ماهیت غیرخطی مسائل مدیریت منابع آب، ابزار مناسبی برای حل این‌گونه مسائل نیستند، به همین دلیل الگوریتم‌های بهینه‌سازی فرا ابتکاری موردتوجه محققین قرارگرفته است. هدف از این تحقیق بررسی و مقایسه نتایج حاصل از به‌کارگیری روش‌های GA و PSO در بهره‌برداری بهینه از سیستم چندمخزنه سدهای گلستان و بوستان واقع در حوضه آبریز گرگان رود با استفاده از شاخص اعتمادپذیری در شرایط تغییر اقلیم است. مواد و روشها: در این تحقیق عملکرد الگوریتم‌های ژنتیک و ازدحام ذرات در حل مساله بهینه سازی بهره‌برداری از سیستم چند مخزنه شامل سدهای بوستان و گلستان واقع در حوضه آبریز گرگان رود مورد بررسی و مقایسه قرار گرفته است. بررسی آمار جریان ورودی به مخزن دو سد در سال آبی 94-93 نشان می‌دهد که در اثر تغییر اقلیم ورودی سالانه به سدهای بوستان و گلستان به ترتیب 17% و 60% کاهش یافته است. الگوریتم ژنتیک عبارت از یک جستجوی چندجانبه موازی و هدایت‌شده بر اساس نظریه تکامل است. عملگرهای الگوریتم GA شامل انتخاب، پیوند و جهش است که به ترتیب از آنها استفاده شده تا نسل بعد به ‌وجود آید. در الگوریتم بهینه‌سازی PSO بر مبنای حرکت جمعی پرندگان و ماهی‌ها، تعدادی ذره در فضای جستجو پخش شده‌ و مقدار تابع هدف، متناسب با موقعیت هر ذره محاسبه می‌شود. سپس با استفاده از ترکیب اطلاعات فعلی محل ذرات و بهترین محل که قبلاً در آن بوده‌اند موقعیت جدید ذرات محاسبه می‌شود. یافته ها: بهترین جواب الگوریتم PSO در طی 10 بار اجرا 95/909 و بدترین جواب برابر 53/930 به دست آمد، درحالی‌که بهترین پاسخ الگوریتم GA در طی 10 بار اجرا 17/931 و بدترین آن 32/957 بوده است. مقایسه میانگین جوابها نیز حکایت از برتری 3 درصدی جوابهای الگوریتم PSO نسبت به GA دارد. نتیجه‌گیری: نتایج نشان می دهدالگوریتم PSO از عملکرد بهتری در مقایسه با GA برخوردار است، به نحوی که مقایسه نتایج نشان می دهد الگوریتم بهینه سازی PSO با اعتماد پذیری 38/49 درصد از عملکرد مناسبتری در استخراج منحنی فرمان بهره برداری از سیستم چندمخزنه بوستان- گلستان ارائه نموده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

استفاده از یک روش ترکیبی PSO – GA جهت جایابی بهینه خازن در سیستمهای توزیع

In this paper, we have proposed a new algorithm which combines PSO and GA in such a way that the new algorithm is more effective and efficient.The particle swarm optimization (PSO) algorithm has shown rapid convergence during the initial stages of a global search but around global optimum, the search process will become very slow. On the other hand, genetic algorithm is very sensitive to the in...

full text

ارزیابی و بهینه یابی شبکه ایستگاه های باران سنجی بر مبنای روش کریجینگ احتمالاتی (مطالعه موردی: حوضه گرگان رود)

بارندگی از ورودی‌های اصلی در برنامه‌ریزی و مدیریت منابع آب محسوب می‌شود. شبکه کارآمد ایستگاه‌های باران‌سنجی شبکه‌ای است که علاوه بر دقت اندازه‌گیری مناسب از تراکم مطلوبی نیز برخوردار باشد، به طوری که بتوان در نقاط فاقد ایستگاه در یک حوضه آبریز برآورد مناسبی از بارندگی بدست آورد. در این مطالعه روشی مبتنی بر مدل‌ زمین‌آماری کریجینگ و تابع توزیع احتمال نرمال برای ارزیابی عملکرد شبکه ایستگاه‌های با...

full text

ارزیابی و بهینه یابی شبکه ایستگاه های باران سنجی بر مبنای روش کریجینگ احتمالاتی (مطالعه موردی: حوضه گرگان رود)

بارندگی از ورودی های اصلی در برنامه ریزی و مدیریت منابع آب محسوب می شود. شبکه کارآمد ایستگاه های باران سنجی شبکه ای است که علاوه بر دقت اندازه گیری مناسب از تراکم مطلوبی نیز برخوردار باشد، به طوری که بتوان در نقاط فاقد ایستگاه در یک حوضه آبریز برآورد مناسبی از بارندگی بدست آورد. در این مطالعه روشی مبتنی بر مدل زمین آماری کریجینگ و تابع توزیع احتمال نرمال برای ارزیابی عملکرد شبکه ایستگاه های بار...

full text

Dimensionality Reduction using GA-PSO

The feature selection process can be considered a problem of global combinatorial optimization in machine learning, which reduces the number of features, removes irrelevant, noisy and redundant data, and results in acceptable classification accuracy. In this paper, we propose a combination of genetic algorithms (GAs) and particle swarm optimization (PSO) for feature selection. The K-nearest nei...

full text

ارزیابی داده‌های بارش زمینی، ماهواره GPM و MERRA (مطالعه موردی: حوضه آبریز کشف رود)

  In recent decades, satellite and model- based precipitation products has attracted attention of the scientists and researchers in hydrology and other disciplines. The purpose of this research is quantitative comparison of MERRA and GPM satellite precipitation products with ground station precipitation values as reference data in Kashafrud basin. The important point about these data is their ...

full text

ارزیابی خصوصیات ژئوتکنیکی سدهای زیرزمینی (مطالعه موردی)

سدهای زیرزمینی از فن‌آوری‌های سازگار با طبیعت بوده که در مدیریت منابع آب، بویژه جلوگیری از خروج بدون استفاده‌ی آبهای زیرزمینی قابل مصرف، بسیار کار آمد می‌باشند. این سدها سازه‌هایی هستند که جریان طبیعی آب‌های زیرزمینی را مسدود نموده و سبب ایجاد ذخایر آبی در زیر زمین می‌گردند. بررسی خصوصیات زمین شناسی مهندسی و ژئوتکنیکی آبرفت‌های مخزن این نوع سدها حائز اهمیت می‌باشد. بدین لحاظ در تحقیق حاضر ویژگی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 26  issue 2

pages  239- 250

publication date 2019-06-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023