کاربرد روش‌های الگوریتم ژنتیک و K-نزدیک ترین همسایه در تدوین سیاست‌های بهره برداری از مخزن در زمان وقوع سیلاب

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار /و عضو قطب علمی مهندسی و مدیریت زیرساخت‌ها، دانشکده فنی دانشگاه تهران

2 کارشناس ارشد/ دانشکده مهندسی عمران، دانشگاه تهران.

چکیده

در حال حاضر بهره‌برداری از اکثر سدهای مخزنی کشور در شرایط سیلابی به صورت تجربی می‌باشد و عملاً دستورالعمل مدونی برای تعیین میزان خروجی در زمان وقوع سیلاب خصوصاً در حوزه‌های فاقد سیستم هشدار و پیش‌بینی سیلاب وجود ندارد. در این تحقیق سعی شده است با توجه به سابقه سیلاب‌های به وقوع پیوسته در سیستم رودخانه- مخزن کارون، بهینه‌سازی بهره‌برداری از سد شهید عباسپور به نوعی صورت گیرد که میزان تجاوز دبی خروجی از دبی سالم رودخانه پایین‌دست حداقل شود. به منظور تعیین خروجی‌های مخزن در شرایط سیلابی از مدل الگوریتم ژنتیک که به همین منظور تدوین شده، استفاده شده است. تابع هدف این مدل به صورت پارامتری درنظر گرفته شده بدین معنی که نسبت خسارت با توجه به میزان تجاوز جریان از حد مجاز توسط مدل تعیین می‌شود. کارایی مدل ژنتیک با سیلاب‌های تاریخی و سیلاب‌های بازسازی شده با دوره بازگشت 50 ساله بررسی شده است. خروجی مدل الگوریتم ژنتیک با استفاده از روش K- نزدیکترین همسایه (K-NN) جهت تدوین سیاست‌های بهره‌برداری در زمان سیلاب استفاده شده و نتایج آن با معادله رگرسیون خطی برای شبیه‌سازی مقایسه شده است. نتایج به دست آمده از این دو مدل بیانگر کارائی آنها در تدوین سیاست بهره‌برداری از سد در زمان وقوع سیلاب می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Application of Genetic Algorithms and K-Nearest Neighbor Method in Developing Reservoir Operation Policies During Floods

نویسندگان [English]

  • B Zahraie 1
  • A Takeshi 2
1 Assistant Professor and member of Center of Excellence on Infrastructure Engineering and Management, School of Civil Engineering, University of Tehran, Tehran, Iran
2 M.Sc., School of Civil Engineering, University of Tehran, Tehran, Iran
چکیده [English]

In Iran, the reservoir operation during floods is mostly carried out based on engineering judgments. There is no operation policy for the majority of the reservoirs especially those with no flood prediction and warning system. In this research, operation policies during flood are developed for Shahid Abbaspour Reservoir on Karun river southwestern Iran. A Genetic Algorithm (GA) model is developed to determine the reservoir releases. The parametric objective function of the GA model is to minimize the flood losses associated with releases exceeding the safe carrying capacity of the downstream river. The GA model performance is evaluated using historical flood data as well as simulated floods with 50-year return period. The GA model output has been used along with a K-Nearest Neighbor (K-NN) model to develop the reservoir operation policies for controlling floods. Comparison between the results of K-NN and linear regression model shows the accuracy of the GA and K-NN models to develop the operation policies for reservoir operation during floods. 

کلیدواژه‌ها [English]

  • Genetic algorithm
  • Parametric objective function
  • Flood Control
  • K-nearest neighbor

حسینی، س.م. 1384، "بهینه­سازی بهره­برداری از سد مخزنی زاینده‌رود در شرایط عدم قطعیت نیاز"، پایان­نامه کارشناسی ارشد، گروه آبیاری و آبادانی دانشکده کشاورزی دانشگاه تهران.

Akter T., and Simonovic S. P. (2004). “Modelling uncertainities in short-term reservoir operation using fuzzy sets and a genetic algorithm” Journal of Hydrological Science, Vol 49, No 6, pp. 1081-1097.

Chang F. J., Chen L., and Chang L. C. (2005). “Optimization the Reservoir   Operating Rule Curves by Genetic Algorithm.” Hydrological Processes, Vol. 19, pp. 2277–2289

Cheng, Chun-Tian, Chau, K.W., (2004),” Flood control management system for reservoirs”, Environmental Modeling & Software, Vol.19. pp. 1141 –1150.

Chuntian, C. And Chau, K.W. (2002) Three-person multi-objective conflict decision in reservoir flood control. European Journal of Operational Research, 142, pp. 625–631.

East V. and Hall M. J. (1994). “Water Resources System Optimization Using Genetic Algorithms.” Hydroinformatics, 1994, Proc., 1Stnt. Conf. on Hydroinformatics, Balkema, Rotterdam, Netherland, pp. 225-231.

Fahmy H. S., King J. P., Wentzel M. W. and Seton J. A. (1994). “Economic Optimization of River Management Using Genetic Algorithms.” Paper No. 943034, ASAE, Int, Summer Meeting, St. Joseph, Mich.

Hasebe, M., Nagayama, Y. (2002)”Reservoir operation using the neural network and fuzzy systems for dam control and operation support”, Advances in Engineering Software, Vol.33, pp. 245-260.

Karamouz M., Araghinejad S., and Haghnegahdar A. (2004) “Calibration and Validation of Long-term Streamflow Forcasting Models” Conference Proceeding Paper, Critical Transition in Water and Environmental Resources Management, USA.

Karamouz M., Kerachian R., (2004) “Optimal Operation of Reservoir Systems Considering the Water Quality: Application of Stochastic Sequential Genetic Algorithms” ” Conference Proceeding Paper, Critical Transition in Water and Environmental Resources Management, USA.

Karamouz, M., and Vasiliadis, H., (1992), “A Bayesian Stochastic Optimization of Reservoir Operation Using Uncertain Forecast”, Water Resources Research, Vol. 28, No. 5.

Turgeon, A. (2005) Daily Operation of Reservoir Subject to Yearly Probabilistic Constraints. Journal of Water Resources Planning and Management, 131(5), pp. 342-350.

Wardlaw R., and Sharif M. (1999). “Evaluation of Genetic Algorithms for Optimal Reservoir System Operation.” Journal of Water Resources Planning and Management, Vol. 125, No. 1, pp. 25-33.

Yakowits, S. (1993), “Nearest-neighbor regression estimation for null-recurrent Markov time series”, Stochastic Process, Appl, Vol. 48, pp. 311-318.

Yakowits, S., and Karlson, M., (1987), “Nearest Neighbor methods for nonparametric rainfall-runoff forecasting”, Water Resour. Res, 23, 1300-1308.

Yeh W. W-G. (1985). “Reservoir Management and Operations Models: A State of the Art Review.” Water Resources Researches, Vol. 21, No. 12, pp. 1797-1818.