تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,502 |
تعداد مشاهده مقاله | 124,119,502 |
تعداد دریافت فایل اصل مقاله | 97,225,903 |
بهینهیابی مبتنی بر ریسک سیستم انحراف سیلاب سد کارون 4 تحت عدم قطعیتهای هیدرولیکی و هیدرولوژیکی | ||
تحقیقات آب و خاک ایران | ||
دوره 51، شماره 10، دی 1399، صفحه 2575-2591 اصل مقاله (1.37 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2020.301315.668585 | ||
نویسندگان | ||
یحیی رحیمی1؛ بهرام ثقفیان* 1؛ محمدعلی بنی هاشمی2 | ||
1دانشکده مهندسی عمران، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران | ||
2دانشکده مهندسی عمران، دانشگاه تهران، تهران، ایران | ||
چکیده | ||
بهینهسازی سیستم انحراف سیلاب بر پایه ریسک، چارچوبی است که به طراحان اجازه میدهد که عدم قطعیتهای عامل بر فرایند تصمیمگیری را در نظر گرفته و سطح اعتمادپذیری این سازه هیدرولیکی را تعیین کنند. این مطالعه به منظور کاربرد عدم قطعیتهای هیدرولیکی و هیدرولوژیکی در طراحی احتمالاتی سیستم انحراف سیلاب سد کارون 4 در استان خوزستان واقع در جنوب غربی ایران انجام شده است. تأثیر منابع عدم قطعیت بر مشخصههای سیستم انحراف جریان با استفاده از توسعه یک مدل احتمالاتی چندمتغیره بر پایه توابع مفصل تعیین شده است. برای دستیابی به این هدف، سریهای زمانی دادهها شامل دبی حداکثر لحظهای سالانه و حجم حداکثر سیلاب سالانه برای یک دوره 37 ساله گردآوری شد. دو تابع هدف کمینهسازی ریسک شکست سیستم و کمینهسازی هزینه ساخت به عنوان دو هدف متضاد در ساختار یک مدل شبیهسازی- بهینهسازی با الگوریتم ژنتیک چندهدفه مبتنی بر رتبهبندی نامغلوب تعریف و برای رسیدن به بهترین مقادیر متغیرهای تصمیم اجرا شد. قطر، شیب، پوشش دیواره و ارتفاع ورودی تونلها، ارتفاع فرازبند، و ارتفاع نشیب بند بهعنوان متغیرهای تصمیم در فضای امکانپذیر مسأله جستجو شد. نتایج نشان داد دوره بازگشت 25 سال با توجه به دو عامل هزینه و ریسک روگذری پاسخ بهینه به شمار میرود. برای این دوره بازگشت قطر تونلها 5/10 و 9/9 متر، ارتفاع فرازبند 5/44 متر و ارتفاع نشیب بند 5/12 متر حاصل گردید. همچنین نتایج نشان داد که این مفهوم میتواند با لحاظ نمودن تغییرات اقتصادی، هیدرولوژیکی و هیدرولیکی، برای توسعه ساختار طراحی سیستمهای انحراف سیلاب سودمند باشد. | ||
کلیدواژهها | ||
فرازبند؛ رتبهبندی نامغلوب؛ بهینه سازی چندهدفه؛ تحلیل مبتنی بر ریسک | ||
مراجع | ||
Afshar, A., and Marino, M.A., (1990) Optimizing spillway capacity with uncertainty in flood estimator, Journal of Water Resources Planning and Management, 116 (l): 71–83. Afshar, A., Barkhordary, A., and Marino, M.A., (1994) Optimizing river diversion under hydraulic and hydrologic Afshar, A., Rasekh, A., and Afshar, M.H., (2009) Risk-based optimization of large flood diversion systems, using genetic algorithms, Journal of Engineering Optimization, 41(3):259–273. Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6): 716-722. Akhlaghi, M. (2015). Risk analysis of flood diversion system (Case study: KarunIV). M.Sc. Thesis. Science and Reseach Branch, Islamic Azad University. Pp:122. (In Farsi) Behrooz, M., Alimohammadi, S. and Atari, J. (2014). Sensitivity analysis of hydrologic, hydraulic and economic uncertainties in design of flood control systems. Iran Water Resources Research. 10(2): 69-81. (In Farsi) Behrooz, M., and Alimohammadi, S. (2018). Uncertainty analysis of flood control measures including epistemic and aleatory uncertainties: probability theory and evidence theory. J. Hydrol. Eng., 23(8): 04018033 Biglarbeigi P, Giuliani M, Castelletti A (2018) Partitioning the impacts of streamflow and evaporation uncertainty on the operations of multipurpose reservoirs in arid regions. J Water Resour Plann Manage 144(7): 05018008 Chen L, Guo, S. (2019) Copulas and Its Application in Hydrology and Water Resources. Springer https://doi.org/10.1007/978-981-13-0574-0 Chow V.T. (1959) Open channel hydraulics, McGraw-Hill, New York Clayton, D.G. (1978). A model for association in bivariate life tables and its application in epidemiological studies of familial tendency in chronic disease incidence. Bimetrika.65: 141 -151. Davtalab R, Mirchi A, Khatami S, Gyawali R, Massah AR, Farajzadeh M, Madani K (2017) Improving continuous hydrologic modeling of data-poor river basin using hydrologic engineering center’s hydrologic modelling system: case study of Karkheh River basin. J Hydrol Eng, 05017011-1 Deb K, Pratap A, Agarwal S, Meyarivan T (2002) A fast and elitist multi-objective genetic algorithm: NSGA-II. IEEE Transaction on Evolutionary Computation 6:181-197 Dehghani, M. Saghafian, B. and Zargar, M. (2019). Probabilistic hydrological drought index forecasting based on meteorological drought index using Archimedean copulas. Hydrology Research. 50: 1230-1251. Fotakis, D. and Sidiropoulos, E. (2012). A new multi-objective self-organizing optimization algorithm (MOSOA) for spatial optimization problems. Applied Mathematics and Computation. 218: 5268-5180. Gao L, Zhang L, Li X, Zhou S (2019) Evaluating metropolitan flood coping capabilities under heavy storms. J Hydrol Eng 24(6): 05019011. Goldberg, D. E. (1989). Genetic algorithms in search optimization and machine learning, Addision-Wesley, Reading, Mass. Pp: 399. Goodarzi E., Mirzaei, M., Shui, L.T., and Ziaei, M. (2011). Evaluation dam overtopping risk based on univariate and bivariate flood frequency analysis. Hydrol., Earth Syst. Sci. Discuss., 8: 9757–9796. Haghighi A, Zahedi A (2014) Uncertainty analysis of water supply networks using the fuzzy set theory and NSGA-II. Eng App Art Int 32: 270–282 International Commission on Large Dams (ICOLD). (1973). Lessons from dam incidents (reduced edition). ICOLD, Paris. Iran Ministry of Energy (2008) Karun IV dam and power planet report Rep No. 338202/3290/13363, Tehran, Iran Karamouz M, Doroudi S, Moridi A (2018) Developing a model for optimizing the geometric characteristics of water diversion systems. J Irrig Drain Eng 144(2): 04017062 Kojadinovic, I. and Yan, J. (2010). Package Copula. Version 0.9-7, May 28, 2010. Available in: http://cran.r-project.Org/web/packages/copula/coupla. Kong XM, Huang GH, Li YP, Fan YR, Zeng XT, Zhu Y (2018) Inexact copula-based stochastic programming method for water resources management under multiple uncertainties. J Water Resour Plann Manage 144(11): 04018069 Kwon, H.H., Moon, Y.I., (2006), Improvement of overtopping risk evaluations using probabilistic concepts for existing dams, Journal of Stoch Environ Res Risk Assess, 20: 223–237 Lalehzari R (2017) Closure to “Multi-objective management of water allocation to sustainable irrigation planning and optimal cropping pattern”. J Irri Drain Eng 07016024 DOI: 10.1061/(ASCE)IR.1943-4774.0001144. Lalehzari R, Boroomand-Nasab S, Moazed H, Haghighi A (2016) Multi-objective management of water allocation to sustainable irrigation planning and optimal cropping pattern. J Irri Drain Eng 142(1): 05015008 Lund, J.R., (1991) Random variables versus uncertain values: stochastic modeling and design, Journal of Water Resources Planning and Management, 117 (2), 179–194. Mahab-Ghods Consulting Engineers. (2004). Design of the upstream cofferdam of Karun4 Dam, Final report. (In Farsi). Marengo, H. (2006). Case study: dam safety during construction, lessons of the overtopping diversion works at Aguamilpa dam. Journal of Hydraulic Engineering, 132(11), 1121-1127. Marengo, H., Arregiun F. L., Aldama, A. A, Morals, V. (2013). Case Study: Risk analysis by overtopping of diversion works during dam construction: The La Yasca hydroelectric project, Mexico. Structural Safety 42: 26-34. Maurer EP, Kayser G, Doyle L, Wood AW (2018) Adjusting flood peak frequency changes to account for climate change impacts in the western United States. J Water Resour Plann Manage 144(3): 05017025. Mays, L.W. and Travis, Q.B., (2005) Optimizing Retention Basin Networks, Journal of Water Resour. Plan. Manage., 134(5): 432-439. McCann, M.M.Jr., Franzini, J.B., and Shah, H.C., 1984. Preliminary safety evaluation of existing dams.Vol. 1. Washington, D.C: Federal Emergency Management Agency. Rasekh A, Afshar A, Afshar MH (2010) Risk-cost optimization of hydraulic structures: methodology and case study. Water Resour Manage 24 (11): 2833-2851 Salas, J.D., Obeysekera, J. (2019) Probability distribution and risk of the first occurrence of k extreme hydrologic events. J Hydrol Eng 24(10): 04019032 Schwarz, G. (1978). Estimating the dimension of a model. Annalys of Statistics, 6(2): 461-464. Sklar, A., (1959). Fonction de re’partition a’n dimensions et leurs marges. [Distribution functions, dimensions and margins]. Publications of the Institute of Statistics, University of Paris, Paris, pp. 229–231. (In French) Sreekanth, J., and Datta, B. (2010). Multi-objective management of saltwater intrusion in coastal aquifers using genetic programming and modular neural network based surrogate models. Journal of Hydrology. 393: 245–256. Srinivas, N., and Deb, K. (1994) Multi-objective optimization using non-dominated sorting in genetic algorithms. Evol Com 2: 221-248 Thompson, K.D., Stedinger, J.R., and Heath, D.C. (1997) Evaluation and presentation of dam failure and flood risks. Journal of Water Resources Planning and Management, 123 (4): 216-227. Tung, Y.K. (2017). Uncertainty analysis and risk-based design of detention basin without damage function. Water Resour. Res. 53, 3576–3598 Tung, Y.K. and Mays, L.W. (1981) Optimal risk-based design of flood levee systems, Journal of Water Resources Research, 17(4): 843-852. Tung, Y.K., Yen, B.C., Melching, C.S. (2006) Hydrosystems engineering reliability assessments and risk analysis, McGraw-Hill, New York Tung, Y.K., and Bao, Y., (1990) On the optimal risk-based design of highway drainage structures, Journal of Stochastic Environmental Research and Risk Assessment, 4 (4): 295–308. USACE (US Army Corps of Engineers) (1996) Risk-based analysis for flood damage reduction studies. Engineer Manual EM 1110-2-1619, Washington, DC Yazdi, J., Zahraie, B., Salehi Neyshabouri, S.A.A. (2016) A stochastic optimization algorithm for optimizing flood risk management measures including rainfall uncertainties and nonphysical flood damages. J Hydrol Eng 04016006 Zhang C, Ding W, Ming F, Fu G (2019) Cost-benefit framework design of water transfer systems. J Water Resour Plann Manage 145(5): 04019007 Zhu X, Zhang C, Yin J, Zhou H, Jiang Y (2014) Optimization of water diversion based on reservoir operating rules: analysis of the Biliu River reservoir, China. J Hydrol Eng 19: 411-421. | ||
آمار تعداد مشاهده مقاله: 528 تعداد دریافت فایل اصل مقاله: 358 |