فرهاد میثاقی؛ امیرحسین امانی؛ علیرضا صدیق
چکیده
سابقه و هدف: کمبود منابع آب یکی از مهمترین مسأله ها در قرن بیست و یکم می باشد که جوامع بشری با آن روبرو هستند. رشد جمعیت، فعالیت های تولیدی صنعتی و کشاورزی، توسعه سریع شهرنشینی و تغییرهای شدید شرایط آب و هوایی، تأثیر زیادی بر منابع آب محدود و محیط زیست در حوضه های رودخانه ها به همراه داشته است. تخصیص منطقی و بهینه منبع ...
بیشتر
سابقه و هدف: کمبود منابع آب یکی از مهمترین مسأله ها در قرن بیست و یکم می باشد که جوامع بشری با آن روبرو هستند. رشد جمعیت، فعالیت های تولیدی صنعتی و کشاورزی، توسعه سریع شهرنشینی و تغییرهای شدید شرایط آب و هوایی، تأثیر زیادی بر منابع آب محدود و محیط زیست در حوضه های رودخانه ها به همراه داشته است. تخصیص منطقی و بهینه منبع های آب در بین مصرف کنندگان، نیازمند اندازه گیری موثر منابع آب و مدیریت یکپارچه آن جهت برقراری عدالت انسانی و محیط زیستی می باشد. بهینه سازی تخصیص منبع های آب یک مسأله تصمیم گیری بسیار پیچیده در چندین سطح، مرحله، موضوع، هدف و ارتباطات غیر خطی می باشد. با پیچیده تر شدن مسأله های مربوط به تخصیص منبع های آب، الگوریتم های حل آن نیز به تدریج بهبود یافته و استفاده از الگوریتم های فراکاوشی هوشمند در بهینه سازی تخصیص منبع های آب از برنامه ریزی سنتی ریاضی، پیشی گرفته اند. با این حال، اثربخشی الگوریتم های بهینه سازی متعارف از دیدگاه های مختلف ایده آل نیست، و مواردی همچون همگرایی، سرعت محاسبه، حساسیت اولیه، و غیره، به دلیل پیچیدگی و چند هدف بودن بهینه سازی تخصیص منبع های آب، نیازمند مطالعات بیشتری برای بهبود کارایی الگوریتم، و به دست آوردن راه حل مطلوب کلی، می باشد. مواد و روش ها: الگوریتم گرگ خاکستری از سلسله مراتب رهبری و ساز وکار شکار گرگ های خاکستری در طبیعت تقلید می نماید. در این الگوریتم از چهار نوع گرگ خاکستری شامل آلفا، بتا، دلتا و امگا برای شبیه‌سازی سلسله مراتب رهبری استفاده شده است. همچنین الگوریتم رقابت استعماری، نیز با تعدادی جمعیت اولیه تصادفی که هر کدام از آنها یک "کشور" نامیده می‌شوند، آغاز می گردد. تعدادی از بهترین عنصرهای جمعیت (معادل نخبه‌ها در الگوریتم ژنتیک) به عنوان امپریالیست انتخاب می‌شوند. باقیمانده جمعیت نیز به عنوان مستعمره، در نظر گرفته می‌شوند. استعمارگران بسته به قدرتشان، این مستعمرات را با یک روند خاص، به سمت خود می‌کشند. در این تحقیق از الگوریتم های گرگ خاکستری و رقابت استعماری برای بهینه سازی مقادیر منبع های آب در طی سال های زراعی 92 - 1380 در مورد شبکه آبیاری و زهکشی صوفی چای و سد علویان برای رسیدن به بهینه ترین سیاست استفاده شد. سد علویان در استان آذربایجان شرقی در سه کیلومتری شمال شهر مراغه و در نزدیکی روستای علویان، روی رودخانه صوفی چای احداث شده است، و آب آشامیدنی شهرستان های مراغه، میاندوآب، بناب، عجبشیر و ملکان را تأمین می نماید. نتایج و بحث: نتایج حاصل از اجرای الگوریتم گرگ خاکستری، در مقایسه با الگوریتم رقابت استعماری بسیار نزدیک به مقدار اندازه گیری شده مقدار آب تخصیص یافته می‌باشد و این مسأله بیانگر همگرایی، کارآیی و راندمان بالای الگوریتم گرگ خاکستری در سیستم های منبع های آب می باشد. بر این اساس مقادیر معیارهای ارزیابی، در همه منطقه های چهارگانه مقادیر RMSE الگوریتم گرگ خاکستری نسبت به الگوریتم رقابت استعماری 44% کمتر بوده و مقادیر ضریب نش - ساتکلیف نیز 64% بالاتر می باشد. نتیجه گیری: نتایج این تحقیق نشان داد که الگوریتم گرگ خاکستری سرعت مناسبی در یافتن جواب بهینه دارد، به عبارت دیگر نرخ همگرایی بالایی دارد و می تواند بهینه سراسری را در یک مسأله بهینه سازی پیدا نماید. در تحقیق حاضر نتایج حاصل از اجرا و بکارگیری الگوریتم گرگ خاکستری با الگوریتم رقابت استعماری مقایسه گردید. نتایج نشان داد که در مورد مسأله تخصیص آب در بهره برداری تلفیقی از منبع های آب سطحی و زیرزمینی، الگوریتم گرگ خاکستری نتایج بهتر و قابل قبولتری بیان می نماید.
طاهر احمدزاده؛ ناصر مهردادی؛ مجتبی اردستانی؛ اکبر باغوند
دوره 14، شماره 1 ، فروردین 1395، ، صفحه 1-8
چکیده
بهینه سازی به کمک یک مدل هوشمند لازمه ی دست یابی به بالاترین کیفیت ممکن در تامین آب شرب و صنعتی می باشد. در این مطالعه، مدل شبکه عصبی مصنوعی به منظور بهینه سازی فرایند انعقاد و لخته سازی آب شرب با هدف کنترل کیفی آب خروجی نسبت به پارامتر کربن آلی کل مورد استفاده قرار گرفت. مدل شبکه عصبی با ساختار پیش خور چند لایه و با فرایند یادگیری پس ...
بیشتر
بهینه سازی به کمک یک مدل هوشمند لازمه ی دست یابی به بالاترین کیفیت ممکن در تامین آب شرب و صنعتی می باشد. در این مطالعه، مدل شبکه عصبی مصنوعی به منظور بهینه سازی فرایند انعقاد و لخته سازی آب شرب با هدف کنترل کیفی آب خروجی نسبت به پارامتر کربن آلی کل مورد استفاده قرار گرفت. مدل شبکه عصبی با ساختار پیش خور چند لایه و با فرایند یادگیری پس انتشار خطا برای بهینه سازی غلظت فریک کلراید و پلیمر کاتیونی بکار رفت. نتایج به صورت همزمان با مدل رگرسیون غیر خطی چندگانه به منظور افزایش ضریب همبستگی و کاهش پارامترهای ورودی، مورد مقایسه قرار گرفت. آزمون صحت سنجی مدل با استفاده از 94 نمونه جدید و ناشناس کاملاً موفقیت آمیز بود. تحلیل نتایج نشان دهنده عملکرد قابل قبول مدل شبکه عصبی با ضریب تشخیص (R2) به ترتیب 0.85 برای مدل پلیمر کاتیونی و 0.97 برای مدل فریک کلراید می باشد. میزان درصد میانگین خطای مطلق و جذر میانگین مربعات خطا نیز به ترتیب به ترتیب 5.8 % و 0.96 برای مدل پلیمر کاتیونی و 3.1 % و 1.97 برای مدل فریک کلراید می باشد. نتایج نشان داد که مدل شبکه عصبی مصنوعی از دقت به مراتب بالاتری در بهینه سازی فرایند های پیچیده تصفیه آب برخوردار است.
