بهره برداری از مخزن سد گلستان در شرایط تغییراقلیم با استفاده از الگوریتم بهینه سازی چندهدفه نهنگ بهبودیافته

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 257

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWMR-12-23_021

تاریخ نمایه سازی: 4 مهر 1400

چکیده مقاله:

میزان رواناب ورودی به مخازن سدها به طور مستمر تحت تاثیر پارامترهای اقلیمی بوده که این مهم نیز به­نوعی متاثر از پدیده تغییراقلیم است. در این پژوهش، با استفاده از مدل ریزمقیاس نمایی آماری SDSM۴.۲، پارامترهای تغییراقلیم براساس مدل اقلیمی CANESM۲ به­ دست آمد. سپس شبیه سازی فرآیند بارش-رواناب توسط مدل ANFIS با ساختار سوگنو و خوشه بندی تفاضلی در ورودی مخزن سدگلستان در شرایط تغییراقلیم صورت گرفت و در نهایت از الگوریتم بهینه سازی چندهدفه نهنگ بهبودیافته (MOIWOA) که ترکیبی از الگوریتم بهینه سازی نهنگ (WOA) و تکامل تفاضلی (DE) است در استخراج قواعد بهره برداری بهینه، استفاده گردید. نتایج حاصل از تحلیل عدم قطعیت، حاکی از قرارگیری نتایج شبیه سازی دوره تغییراقلیم در باند اطمینان ۹۵درصد در هر دو مرحله واسنجی و صحت­ سنجی بود. ضمنا بهینه سازی مخزن گلستان در شرایط پایه (اسفند۱۳۸۴-شهریور۱۳۹۷) و تغییراقلیم (فروردین۱۴۲۰ - مهر ۱۴۳۲) نشان داد که محدوده تغییرات آسیب پذیری در شرایط پایه و تغییراقلیم، به ­ترتیب، برابر ۱۸ تا ۴۵  درصد و ۱۰ تا ۳۹ درصد و محدوده تغییرات اطمینان پذیری در شرایط پایه و تغییراقلیم، به ­ترتیب، برابر ۵۲ تا ۸۹/۵ درصد و ۲۸  تا ۹۰ درصد است و به ازای اطمینان پذیری ۸۰ درصد، آسیب پذیری ۳۱ و ۲۷ درصد، به­ ترتیب، برای شرایط پایه و تغییراقلیم ایجاد می شود. مقایسه قواعد بهینه حاصل از شرایط پایه با قواعد بهینه حاصل از تغییر اقلیم نشان داد که نیاز آبی طرح به ازای شاخص اطمینان پذیری۸۰ درصد تامین می گردد. همچنین میزان رهاسازی در شرایط تغییراقلیم نسبت به شرایط پایه بیشتر بوده، به­ طوریکه این موضوع به دلیل افزایش حجم تقاضای آب در شرایط مربوط به تغییراقلیم می باشد. از سوی دیگر مقایسه عملکرد مخزن در تامین نیاز آبی اراضی پایین دست در نقطه پرتو (اطمینان پذیری ۸۰ درصد (در شرایط پایه و تغییراقلیم نیز حکایت از تطبیق بیشتر میزان رهاسازی از مخزن با تقاضا در شرایط تغییراقلیم دارد.

کلیدواژه ها:

ANFIS Model ، Climate Change ، Golestan Dam ، Multi-objective Improved Whale Optimization Algorithm ، Uncertainty ، تغییراقلیم ، عدم قطعیت ، الگوریتم بهینه سازی چندهدفه نهنگ بهبودیافته ، مدل فازی – عصبی تطبیقی و سد گلستان

نویسندگان

علیرضا دنیایی

Department of Civil Engineering, Roudehen Branch, Islamic Azad University, Roudehen, Iran

امیرپویا صراف

Department of Civil Engineering, Roudehen Branch, Islamic Azad University, Roudehen, Iran

حسن احمدی

Department of Civil Engineering, Roudehen Branch, Islamic Azad University, Roudehen, Iran

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 :
  • Abbaspour, K.C., J. Yang, I. Maximov, R. Siber, K. Bogner, ...
  • Ashofteh, P.S. and O. Bozorg Haddad. ۲۰۱۶. Using a GP ...
  • Ashofteh, P.S. and O. Bozorg Haddad and M.A. Mari˜no. ۲۰۱۳. ...
  • Bozorgi S.M. and S. Yazdani. ۲۰۱۹. IWOA: An improved whale ...
  • Christensen, N. and D.P. Lettenmaier. ۲۰۰۶. A multi-model ensemble approach ...
  • Donyaii, A., and A. Sarraf. ۲۰۲۰. Optimization of Reservoir Operation ...
  • Donyaii A., A. Sarraf and H. Ahmadi. ۲۰۲۰a. A Novel ...
  • Donyaii, A., A. Sarraf and H. Ahmadi. ۲۰۲۰b. Application of ...
  • Gong, W., Z. Cai and C.X. Ling. ۲۰۱۱. DE/BBO: A ...
  • Hessami, M., F. Anctil and A.A. Viau. ۲۰۰۳. An Adaptive ...
  • Ibrahim, R.A., M.A. Elaziz and S. Lu. ۲۰۱۸. Chaotic opposition-based ...
  • IPCC. ۲۰۰۷. Climate Change ۲۰۰۷: The Physical Science Basis,” Contribution ...
  • Jadon, S.S., R. Tiwari, H. Sharma and J.C. Bansal. ۲۰۱۷. ...
  • Jang, J.S.R. ۱۹۹۳. ANFIS: adaptive-network-based fuzzy inference system. IEEE Transactions ...
  • Jiang, T., Y.D. Chen, C.Y. Xu, X. Chen, X. Chen ...
  • Khanjari Sadati, S., M. Speelman, M. Sabouhi, Gitizadeh and B. ...
  • Kisi, O., T. Haktanir, M. Ardiclioglu, O. Ozturk, E. Yalcin ...
  • Lin, Q., Q. Zhu, P. Huang, J. Chen, Z. Ming ...
  • LotfiManesh, B. and G.A. Barani. ۲۰۱۹. Optimal utilization of surface ...
  • Mazandaranizadeh, H., J. PiadehKoohsar and S.M.K. Sadr. ۲۰۱۹. Evaluation of ...
  • Mirzaee, N., and A. Sarraf. ۲۰۲۱. Application of Data Fusion ...
  • Moazami Goudarzi, F., A. Sarraf and H. Ahmadi. ۲۰۲۰. Prediction ...
  • Noori, M. ۲۰۱۵. Multi-reservoir multi-objective water resources systems management using ...
  • Noori, M., M.B. Sharifi and M. Zarghami. ۲۰۱۵. Effects of ...
  • Purkey, D.R., B. Joyce, S. Vicuna, M.W. Hanemann, L.L. Dale, ...
  • Sabziparvar, A.A. and M. Bayat Varkeshi. ۲۰۱۰ Accuracy evaluation of ...
  • Sanikhani, H., Y. Dinpajoh, S. Pour Yusef, S.Z. Ghavidel and ...
  • Steele- Dunne, S., P. Lynch, R. McGrath, T. Semmler, Sh. ...
  • Sunyer, M.A., H. Madsen and P.H. Ang. ۲۰۱۲. A comparison ...
  • Takagi, T. and M. Sugeno. ۱۹۸۳. Derivation of fuzzy control ...
  • Wilby, R.L., C.W. Dawson, C. Murphy, P. O’Connor and E. ...
  • Yüzgeç, U. and M. Eser. ۲۰۱۸. Chaotic based differential evolution ...
  • Zamani, R., A. Akhund Ali and M.A. Roozbahani. ۲۰۱۹. Investigating ...
  • نمایش کامل مراجع