بهینه سازی تخصیص آب در شرایط کم آبی با استفاده از روشهای برنامه‌ریزی غیرخطی، هوش جمعی و الگوریتم ژنتیک (مطالعه موردی)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری/ دانشکده کشاوزری، دانشگاه تربیت مدرس

2 دانشیار/ دانشکده کشاورزی، دانشگاه تربیت مدرس

3 استادیار /دانشکده کشاورزی، دانشگاه تهران

چکیده

با توجه به محدودیت منابع آب، افزایش نیازهای آبی و وقوع خشکسالی‌های متناوب، صرفه جوئی در مصرف آب و استفاده کارآمد از آن امری لازم و ضروری است که استفاده از تکنیکهای مناسب بهینه سازی در این خصوص می‌تواند راهگشا باشد.  در این تحقیق، مقایسه تکنیک‌های مختلف بهینه سازی برنامه ریزی خطی (NLP)1، هوش جمعی (PSO)2 و الگوریتم ژنتیک (GA)3 در مدیریت تخصیص آب کشاورزی در شرایط خشکسالی با حداکثر سازی درآمد، هدف قرار داده ‌شده ‌است.  بدین منظور دوره خشکسالی سالهای آبی 78-1377 تا 80-1379 در شبکه‌های آبیاری زاینده رود اصفهان مورد بررسی قرار گرفت.  بر این اساس مدل‌سازی‌های لازم در چهار لایه که سد چادگان، شبکه‌ها، محصولات و دور آبیاری را در برداشت، توسعه یافت.  مقایسه نتایج برتری روش NLP و سپس PSO را نشان داد.  ضمن اینکه نشان داده شد که این رویکرد تا 36 درصد امکان افزایش درآمد را نسبت به مدیریتهای سنتی دارد. 

کلیدواژه‌ها


عنوان مقاله [English]

Optimization of Water Allocation During Water Scarcity Condition Using Non-Linear Programming, Genetic Algorithm and Particle Swarm Optimization (Case Study)

نویسندگان [English]

  • M Moghaddasi 1
  • S Morid 2
  • Sh Araghinejad 3
1 Ph.D. Candidate, Faculty of Agriculture, University of Tarbiat Modarres, Tehran, Iran.
2 Associate Professor, Faculty of Agriculture, University of Tarbiat Modarres, Tehran, Iran.
3 Assistant Professor, Faculty of Agriculture, University of Tehran, Tehran, Iran.
چکیده [English]

Water resources limitations, increasing water demands, and occurrence of frequent droughts in our country call for saving water programs and efficient use of available water supply. In this regard the optimization approaches can be an efficient tool.  The main objective of this study is the comparison of three optimization approaches including Non-Linear Programming (NLP), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO) when applied to the water allocation management during droughts.  These are used to maximize the income in Zayandeh rud irrigation system in Esfahan, Iran during the 1999 -2001 drought.  Each model considered the four layers; Chadagan dam operation, irrigation networks, crops, and growth stages. Comparison of the results showed that the highest income is obtained by NLP.  Furthermore, this optimization method can increase the irrigation network income by about a 36% compared to the traditional managements.

کلیدواژه‌ها [English]

  • Water Allocation Management
  • optimization
  • Non-linear Programming
  • Genetic algorithm
  • Particle Swarm Optimization
  • Drought

شوریان، م و موسوی، س، ج (1385).  برنامه‌ریزی بهینه تخصیص منابع آب در سطح حوضه آبریز با اهداف انتقال آب بین حوضه‌ای، دومین کنفرانس مدیریت منابع آب، اصفهان.

شوریان، م، موسوی، س، ج و واحد، س (1385).  طراحی و بهره‌برداری بهینه از سد برقابی بختیاری با استفاده از الگوریتم بهینه‌سازی مبتنی بر هوش جمعی، دومین کنفرانس مدیریت منابع آب، اصفهان.

کارآموز، م (1383).  بررسی و ارائه روشهای بهینه مصرف و افزایش راندمان آب در بخش کشاورزی استان تهران، دفتر امورپژوهشی و پشتیبانی علمی، سازمان مدیریت و برنامه‌ریزی استان تهران.

مقدسی، م، مرید، س، عراقی نژاد، ش و آقا علیخانی، م (1386).  مقایسه روش‌های بهینه سازی و ونش بندی در مدیریت تقاضای آب کشاورزی در شرایط خشکسالی، مطالعه موردی: خشکسالی سال آبی 78-1377 در شبکه‌های زاینده‌رود اصفهان، مجله تحقیقات مهندسی کشاورزی، در حال بررسی.

Allen, R. G., Pereira, L. S., Raes, D. and Smith, M. (1998). Crop evapotranspiration.  Irrig. Drain. Paper 56. Food and Agricultural Organization of the United Nations, Rome, Italy.

Borgand, H., and Grimes, W. (1986). Depth development of roots with time: an empirical description. Transactions of the ASAE 29(1):pp. 194-197.

Back, T.,Fogel, D. and Michalewicz, Z. (1997).  Handbook of Evolutionary Computation. IOP Publishing and OxfordUniversity Press, New York.

Doorenbos, J., and Kassam, A. H. (1977). Yield response to water.  Irrig. Drain. Paper 33.  Food and Agricultural Organization of the United Nations, Rome, Italy.

Doorenbos, J., and Pruitt, W. O. (1984). Guidelines for predicting crop water requirements. Irrig. Drain. Paper 24. Food and Agricultural Organization of the United Nations, Rome, Italy.

East, V. and Hall, M. J. (1994). Water resources system optimization using genetic algorithm, Hydroinfor-matics, Proc., 1st nt. Conf. on Hydroinformatics, Balkema, Rotterdam, Netherlands: pp. 225-231.

Eberhart, R. C. and Shi, Y. (1998). Comparison between genetic algorithms and particle swarm optimization.  In V. W. Porto, N. Saravanan, D. Waagen, and A. E.

Glodberg, D.D. (1989). Genetic algorithms in search, optimization, and machine learning. Addison Wesley publishing company Inc.: 401p.

Jung, B. S. and Karney, B. W. (2006). Hydraulic optimization of transient protection devices using GA and PSO approaches, Journal of Water Resources Planning and Management, Vol, 132, No. 1: pp.44-52.

Kennedy, J. and Eberhart, R. C. (1995). Particle swarm optimization, Proceedings of the IFEE International Joint Conference on Neural Networks: pp.1942-1948.

Kumar, D. N., Raju, K. S., and Ashok, B. (2006).  Optimal reservoir operation for irrigation of multiple crops using genetic algorithms.  ASCE, J. Irrig. Drain. Eng. 132(2):pp.123-129.

Kumar, D. N. and Reddy, J. (2007). Multipurpose reservoir operation using particle swarm optimization, Journal of Water Resources Planning and Management, Vol.133, No. 3: pp. 192-201.

Mohan, S., and Arumugam, N. (1997).  Expert system applications in irrigation management: an overview.  Comput. Electron. Agric. 17: pp. 263-280.

Michalewicz, Z. (1999). Genetic Algorithm + Data Structures=Evolution Programs, Springer Press, New York.

Murray-Rust, H., Droogers, P., and Heyadari, N. (2004).  Water for the future –linking irrigation and water allocation in the Zayandeh rud basin, Iran. International Water Management Institute.

Rao, S. S. (1984). "Optimization Theory and Applicat-ion", Second edition, John Wiley and Sons: 1247p.

Shangguan, Z. P., Lei, T. W., Shao, M. A., Jia, Z. K., (2001). Water management and grain production in dryland farming areas of China. Int. J. Sust. Dev. World Ecol.8, in press.

Shangguan, Z., Shao, M., and Horton, R., (2002). A model for regional optimal allocation of irrigation water resources under deficit irrigation and its applications, J. Agric. Water Manage., 52: pp. 139-154.