طراحی بهینه حوضچههای بازداشت در حوضههای آبریز با استفاده از الگوریتم بهینهساز جامعه مورچگان چند هدفه و مدل SWAT
الموضوعات :عباس افشار 1 , محمد جواد امامی اسکاردی 2 , فرزین جیرانی 3
1 - استاد تمام دانشگاه علم و صنعت ایران، دانشکده عمران
2 - دانشجوی کارشناسی ارشد عمران- گرایش سازههای هیدرولیکی، دانشگاه علم و صنعت ایران، دانشکده عمران*(مسؤول مکاتبات)
3 - دانشجویی کارشناسی ارشد، دانشگاه تربیت مدرس تهران، دانشکده کشاورزی
الکلمات المفتاحية: الگوریتم جامعه مورچگان دو هدفه, بار رسوب تولیدی, حوضچههای بازداشت, حوضههای آبریز, مدل SWAT,
ملخص المقالة :
زمینه و هدف: کنترل بار آلودگی غیر نقطه ای[1] به منظور سالم نگاه داشتن پیکره های آبی از اهمیت به سزایی در مدیریت سیستم های منابع آب برخوردار است. یکی از موثرترین سازه ها در مدیریت بار آلودگی غیر نقطه ای، حوضچه های بازداشت می باشند. طراحی یکپارچه ی مجموعه حوضچه های بازداشت در مجموعه زیر حوضه ها می تواند با بازدهی بیشتری در حذف رسوبات همراه باشد. جهت دست یابی به این هدف اتصال الگوریتم های بهینه ساز و نرم افزارهای مدل سازی حوضه های آبریز می تواند کمک به سزایی در طراحی بهینه ی حوضچه های بازداشت باشد. روش کار: هدف از انجام این پژوهش استفاده از یک مدل شبیه ساز-بهینه ساز چند منظوره برای برنامه ریزی و طراحی یکپارچه ی حوضچه های بازداشت در سطح حوضه های آبریز است که بتوان مصالحه ای را بین اهداف مختلف برقرار نمود. واضح است که با استفاده از حوضچه های بازداشت بزرگتر و با تعداد بیشتر می توان میزان حجم بالاتری از رسوبات را به دام انداخت، ولی متعاقبا هزینه های ساخت حوضچه های بازداشت نیز افزایش خواهد یافت. جهت بهینه سازی اندازه و مکان حوضچه های بازداشت در این مساله ی دو هدفه، از الگوریتم دو هدفه جامعه مورچگان و جهت شبیه سازی حوضه ی آبریز از مدل SWAT بهره گرفته شده است. با استفاده از الگوریتم بهینه سازی جامعه مورچگان دو هدفه می توان به یک جبهه جواب های نامغلوب از دو تابع هدف متضاد دست یافت که عبارتند از: هزینه های کنترل بار رسوب تولیدی و بار رسوب تولیدی. یافته ها و نتایج: کارایی مدل پیشنهادی بر روی یک حوضه ی آبریز در غرب ایران مورد مطالعه قرار گرفته است. استفاده از بهینه ساز کلونی مورچگان و شبیه ساز SWAT، به محققین توانایی مدل سازی حوضه های آبریز و کنترل بار آلودگی غیر نقطه ای را خواهد داد. مدل چند هدفه با توجه به فراهم نمودن جبهه پرتو می تواند مدیران را در اتخاذ راهکار مناسب جهت کنترل کیفیت رواناب خروجی از حوضه ی آبریز یاری نماید. 4- Non-Point Source Management (NPSM)
10. Jalali, M. R., Afshar, A., Marino, M., Hon.M.ASCE. A., 2006. "Multi-reservoir Operation by Adaptive Pheromone Re-initiated Ant Colony Optimization Algorithme". ASCE (WRPM).
11. Jalali M.R. 2005. “Optimal design and operation of hydro systems by ant colony algorithms: new heuristic Approach”, Ph.D. Thesis, Department of Civil Engineering, Iran University of Science and Technology
12. Jalali M.R., Afshar A. and Marino M.A. 2006. “Improved ant colony optimization algorithm for reservoir operation ” , Scientica Iranica, Vol:13(3), PP:295-302
13. Jalali M. R., Afshar A. and Marino M.A.2006. “Reservoir Operation by Ant Colony Optimization Algorithms”, Iranian Journal of Science and Technology, Transaction B, Engineering, Vol:30, No:B1,PP:107-117
14. Jalali M.R., Afshar A. and Marino M.A.2007. “Multi-colony ant algorithm for continuous multi-reservoir operation optimization problems”, Water Resource Management, Vol: 21, PP: 1429–1447
15. Madadgar S. and A. Afshar 2009. “An Improved Continuous Ant Algorithm for Optimization of Water Resources Problems”, Water Resource Management, Vol: 23, PP: 2119–2139.
17. Afshar, M. H. 2008. “Layout and size optimization of tree-like pipe networks by incremental solution building ants ”, Source: Canadian Journal of Civil Engineering, VOL: 35(2), PP: 129-139
18. Dorigo, M., 1992. "Optimization, learning and natural algorithms." Ph.D. Thesis, Politecnico di Milano, Milan, Italy.
20. Mariano, C. E., Morales E., 1999. "A Multiple Objective Ant-Q Algorithm for the Design of Water Distribution Irrigation Networks". Technical Report HC-9904, Instituto Mexicano de Tecnologia Del Agua.
21. Iredi S., D., Middendrof M. (2001), "Bi-Criterion Optimization with multi colony ant algorithms”, in: Proceeding of the First international Conference on Evolutionary Multi-Criterion Optimization. " Lecture Notes in Computer Science, Springer, Berlin
22. Baran, B., Schaerer M., 2003. "A Multi-objective Ant Colony System for Vehicle Routing Problem with Time Windows". Twenty first IASTED International Conference on Applied Informatics, Insbruck, Austria, February 10-13, pp. 97-102.
23. Doerner, K., Gutjahr W.J., Hartl R.F., Strauss C., Stummer C., 2004. "Pareto Ant Colony Optimization: A Metaheuristic Approach to Multiobjective Portfolio Selection". Annals of Operations Research, to appear.
24. Dorigo, M., Stutzle, T., 2004. "Ant Colony Optimization. Cambridge." MA: MIT Press.
25. Afshar, A., Sharifi, F., Jalali, M. R., 2008. "Non-dominated ARCHRIVING Multi-coloni and Ant Algorithm for Multi Objective Optimization; Application to Multi propose Reservoir Operation", journal of Engineering Optimization, (under publication).
27. Arnold, J. G., Muttiah, R. S., Srinivasan, R., and Allen, P. M., 2000. "Regional estimation of base flow and groundwater recharge in the upper Mississippi River basin". J. Hydrol, 227(1): 21–40.
28. Center for Watershed Protection, 1998. Cost and Benefits of Storm Water BMPs.
29. Northern Virginia Planning District Commission, Engineers and Surveyors Institute, 1992. Northern Virginia BMP Handbook.