تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,502 |
تعداد مشاهده مقاله | 124,117,759 |
تعداد دریافت فایل اصل مقاله | 97,223,502 |
تدوین مدل بهینه سازی فازی برای بهره برداری تلفیقی از آب سطحی و آب زیرزمینی (مطالعۀ موردی: دشت آستانه-کوچصفهان) | ||
اکوهیدرولوژی | ||
مقاله 13، دوره 5، شماره 3، مهر 1397، صفحه 891-905 اصل مقاله (1.23 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2018.250098.807 | ||
نویسندگان | ||
سامی قوردویی میلان1؛ عباس روزبهانی* 2؛ محمد ابراهیم بنی حبیب3؛ سامان جوادی2 | ||
1کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران | ||
2استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران | ||
3دانشیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران | ||
چکیده | ||
در تحقیق حاضر، مدل بهینهسازی تماماً فازی با درنظرگرفتن عدم قطعیتها برای برداشت تلفیقی آب سطحی و زیرزمینی برای تأمین نیاز کشاورزی ارائه شده است. تراز آب زیرزمینی دشت آستانه-کوچصفهان با نرمافزار GMS شبیهسازی و نتایج آن بهصورت روابط رگرسیونی افت – برداشت بهعنوان قید مدل بهینهسازی استفاده شد. در ادامه، مدل بهینهسازی فازی به دو روش کومار و جایالاکیشمی ابتدا به حالت صریح تبدیل شده و با نرمافزار GAMS اجرا شد. نتایج بیشترین افت را در هر دو روش 25/1 متر در ماه فروردین برای ناحیۀ راست کانال سنگر و برای ناحیۀ چپ آن 25/1 متر در ماه مرداد نشان داد. بیشترین کمبود در روش کومار، در ناحیۀ چپ سنگر مربوط به سال 1381 بود که 82/59 درصد از نیازها تأمین شد، در حالی که در ناحیۀ راست 76/56 درصد از نیازها در سال 1393 تأمین شد. در روش جایالاکیشمی در بدترین شرایط، بیشترین کمبود در سال 1377 و 1393 بود که 5/66 و 96/60 درصد از نیازها بهترتیب برای ناحیۀ چپ و راست سنگر تأمین شد و نیز در روش کومار، در شرایط بیشترین کمبود مجموع چپ و راست سنگر در سال 1377، تأمین نیازها معادل حدود 9/65 درصد بود. در حالی که، در روش جایالاکیشمی این مقدار 5/66 درصد در سال 1377 بوده و در وضع موجود این درصد تأمین در بدترین شرایط 54 درصد است. مدل بهینهسازی فازی ارائهشده با درنظرگرفتن عدم قطعیتها نسبت به مدلهای کلاسیک برتری دارد و میتواند برای مدیریت تلفیقی تأمین آب کشاورزی به کار رود. | ||
کلیدواژهها | ||
روش جایالاکیشمی؛ روش کومار؛ سفیدرود؛ شبیهسازی آب زیرزمینی؛ MODFLOW | ||
مراجع | ||
[1]. Todd KD, Mays LW. Groundwater hydrology. John Wiley & Sons, Inc, NJ. 2005. [2]. Buras N. Conjunctive operation of dams and aquifers. Journal of the Hydraulics Division. 1963; 89(6):111-31. [3]. Abadi A, Kholghi A, Bozorg Hadad O, Mohammadi K. Providing operational rules for real-time management of surface water and underground water resources. MSc Thesis.2010. University of Tehran, Pardis-Karaj. [Persian] [4]. Bazargan-Lari, MR, Kerachian R, Mansoori A. A Conflict-Resolution Model for the Conjunctive Use of Surface and Groundwater Resources that Considers Water-Quality Issues: A Case Study. Environmental management. 2009; 43(3):470-82. [5]. Karamouz M, Tabari. MMR, Kerachian R. Application of genetic algorithms and artificial neural networks in conjunctive use of surface and groundwater resources. Water International. 2007; 32(1):163–176. [6]. Mohammad Rezapour Tabari M, Ebadi T, Maknon R. Development of a Smart Model for Groundwater Level Prediction Based on Aquifer Dynamic Conditions. Water and Wastewater Journal. 2010; Volume: 21(4): 70-80. [Persian] [7]. Azari, A, Radmanesh F. Simulation-Multi-Purpose Optimization for Integrated Water Resources Management in Surface Water and Underground Water Interactions Using Genetic Algorithm (Case Study: Dasht Daz), MSc Thesis.2013; Shahid Chamran University of Ahvaz. [Persian] [8]. Safavi H.R, Alijanian M.A. Optimal Crop Planning and Conjunctive Use of Surface Water and Groundwater Resources Using Fuzzy Dynamic Programming. Journal of irrigation and drainage engineering © ASCE. 2011; 383-397. [9]. Safavi HR, Chakraei I, Kabiri-Samani A, Golmohammadi MH. Optimal reservoir operation based on conjunctive use of surface water and groundwater using neuro-fuzzy systems. Water resources management. 2013; 27(12):4259-75. [10]. Safavi HR, Enteshari S. Conjunctive use of surface and ground water resources using the ant system optimization. Agricultural Water Management. 2016; 173:23-34. [11]. Tabari MMR. Conjunctive Use Management under Uncertainty Conditions in Aquifer Parameters. Water Resources Management. 2015; 29(8):2967-86. [12]. Chang L-C, Chu H-J, Chen Y-W. A fuzzy inference system for the conjunctive use of surface and subsurface water. Advances in Fuzzy Systems. 2013; 2013:2. [13]. Rezaei F, Safavi HR, Mirchi A, Madani K. F-MOPSO: an alternative multi-objective PSO algorithm for conjunctive water use management. Journal of Hydro-environment Research. 2017; 14:1-18. [14]. Safavi H, Rezaei F. Conjunctive use of surface and ground water using fuzzy neural network and genetic algorithm. Iranian Journal of Science and Technology Transactions of Civil Engineering. 2015; 39(C2):365. [15]. Rezaei F, Safavi HR, Zekri M. A hybrid fuzzy-based multi-objective PSO algorithm for conjunctive water use and optimal multi-crop pattern planning. Water Resources Management. 2017; 31(4):1139-55. [16]. Langeroudi M.R, Kerachian R. .Developing Operating Rules for Conjunctive Use of Surface and Groundwater Considering the Water Quality Issues. KSCE Journal of Civil Engineering. 2014; 18(2):454-461. [17]. Chen, Y. W., Chang, L. C., Huang, C. W. and Chu, H. J. Applying genetic algorithm and neural network to the conjunctive use of surface and subsurface water. Water resources management.2013; 27: 4731-4757. [18]. Sahoo, B., Lohani, A. K. and Sahu, R. K. Fuzzy multiobjective and linear programming based management models for optimal land-water-crop system planning. Water resources management. 2006;20: 931-948. [19]. Li, M., Fu, Q., Singh, V. P., Ma, M. and Liu, X. An intuitionistic fuzzy multi-objective non-linear programming model for sustainable irrigation water allocation under the combination of dry and wet conditions. Journalof Hydrology. 2017; [20]. Asaadi Mehrabani, M. Banihabib, M. Roozbahany A. Fuzzy Linear Programming Model for the Optimization of Cropping Pattern in Zarrinehroud Basin. Iran Water Resources Research. 2018; 14(1), 13-24. [Persian] [21]. Continuation of the study of the plains with a quantitative and qualitative quantitative and qualitative study network of Astaneh-Kochi Esfahan 1389-1390, [Persian] [22]. Pandam Consulting Engineers. Improvement of irrigation and drainage network in Gilan aquifer. 1383; Volume Four. [Persian] [23]. Harbaugh AW, Banta ER, Hill MC, McDonald MG. MODFLOW-2000, the U.S. Geological Survey modular groundwater model.2000; Report No. 00–92, U.S. Geological Survey, Denver. [24]. Klir GJ, Yuan B. Fuzzy sets, fuzzy logic, and fuzzy systems: selected papers by Lotfi A. Zadeh: World Scientific Publishing Co., Inc.; 1996. [25]. Zadeh, L.A. Fuzzy sets. J. of Information and Control, 1965; 8(3), 338-353. [26]. Kumar A, Kaur J, Singh P. Fuzzy optimal solution of fully fuzzy linear programming problems with inequality constraints. 2010. [27]. Kumar A, Kaur J, Singh P. A new method for solving fully fuzzy linear programming [28]. Jayalakshmi M, Pandian P. A new method for finding an optimal fuzzy solution for fully fuzzy linear programming problems. International Journal of Engineering Research and Applications. 2012; 2(4):247-54. | ||
آمار تعداد مشاهده مقاله: 696 تعداد دریافت فایل اصل مقاله: 476 |