امروزه مديريت توام كميت و كيفيت منابع آبي، از ضرورت¬هاي اجتناب¬ناپذير توسعه پايدار است. رودخانه و مخزن سد ايلام در استان ايلام به دليل ورود مداوم آلاينده‎هاي متعدد از زير حوضه‎هاي منتهي به رودخانه گل¬¬‎گل، دچار مشكلات كيفي مختلفي در رودخانه و مخزن منتهي به آن است. به منظور مواجهه با رويداد زوال كيفيت آب در اين پيكره‎هاي آبي، مديريت كمي و كيفي سيستم رودخانه-مخزن ايلام در قالب حل دو مسئله 1- تعيين الگوي بهينه بهره¬برداري از مخزن در ساختار برداشت انتخابي با اهداف كاهش كمبود نياز آبي پاياب و كاهش تخطي غلظت اكسيژن محلول جريان خروجي از مخزن 2- تعيين الگوي بهينه بهره¬برداري از مخزن در ساختار برداشت انتخابي و تخصيص بار چند آلاينده (نيترات، فسفات، آهن و BOD) با اهداف كاهش كمبود نياز آبي پاياب، كاهش تخطي غلظت فسفات و آهن در دو نقطه پايش در رودخانه و بهبود كيفيت جريان آب خروجي از مخزن ايلام بر اساس شاخص تجمعي از پارامترهاي كيفي اكسيژن محلول، نيترات، فسفات، آهن و BOD؛ دنبال مي¬گردد. در اين راستا، منابع آلاينده ورودي از زير حوضه‎هاي رودخانه گل‎گل واقع در امتداد رودخانه به¬صورت شاخه‎هاي فرعي جريان در سيستم رودخانه-مخزن ايلام در محيط مدل عددي دو¬بعدي هيدروديناميك و كيفيت آب CE-QUAL-W2 شبيه‎سازي گرديدند. براي تعيين الگوهاي بهينه تخصيص يا بهره‎برداري از مخزن، رويكرد شبيه‎سازي – بهينه‎سازي مبتني بر مدل جايگزين در اين كار تحقيقاتي مورد¬ ¬استفاده قرار مي‎گيرد. استفاده از مدل جايگزين به¬منظور غلبه بر حجم محاسباتي بالاي مدل CE-QUAL-W2 در اين سيستم آبي بزرگ مقياس مي‎باشد. توسعه مدل جايگزين با مقايسه عملكرد دو مدل داده¬كاوي شبكه عصبي مصنوعي و رگرسيون بردار پشتيبان در تقريب پارامترهاي كيفيت آب متعدد در نقاط پايش واقع در رودخانه و/يا مخزن به لحاظ معيارهاي دقت و زمان بوده است. بر اساس مقايسه¬هاي انجام¬شده، مدل رگرسيون بردار پشتيبان گنجانده¬شده در LIBSVM به دليل كارايي بيشتر به لحاظ زمان، در توسعه مدل جايگزين CE-QUAL-W2 در اين تحقيق استفاده مي‎گردد. در ادامه الگوريتم بهينه‎سازي هوش جمعي ذرات چند هدفه به مدل/مدلهاي جايگزين كيفيت آب در رودخانه/مخزن ارتباط داده شد. بر اساس نتايج حاصل، رهاسازي آب بيشتر براي تامين نياز پاياب به دليل كاهش زمان¬ ماند در مخزن سبب بهبود كيفيت در جريان خروجي از مخزن مي‎گردد. همچنين تخصيص بهينه بار آلاينده‎ها در امتداد رودخانه گل‎گل، سبب بهبود شرايط كيفي رودخانه و نيز جريان خروجي از سد گرديده است.

1397/04/11

Optimal Water Quality and Quantity Management through Simultanoeous Considering of Reservoir Operation Strategy and Multi - Waste Load Allocation in Large Scale Water Resources System; Simulation-Optimization Approach

7/4/2018 12:00:00 AM

Nowadays, simultaneous water quantity and quality management is one of the inevitable necessities of sustainable development. Continuous fluxes of multiple pollutants originate from various activities in Gol-Gol sub-basins lead to Ilam river-reservoir contamination. To avoid/reduce water quality deterioration in these large scale water system, Ilam river-reservoir water quality and quantity management is considered with two viewpoints in this research: (1) Deriving optimal drawing pattern from reservoir in selective withdrawal scheme aiming to decrease downstream water demand shortage and reservoir outflow dissolved oxygen violations (2) Deriving optimal drawing pattern from reservoir in selective withdrawal framework and multi-pollutant (nitrate, phosphate, iron, and BOD) load allocation aiming to decrease downstream water demand shortage, reduce PO4-P and Fe standard violations in two monitoring points in Ilam river, and improving water quality index of Ilam reservoir outflow which is aggregate index of qualitative parameters such as dissolved oxygen, nitrate, phosphate, Fe, and BOD in this research. The multi pollutants from Gol-Gol sub-basins discharged to Ilam river have been simulated as tributary of water system in 2D hydrodynamic and water quality simulation model, CE-QUAL-W2. Surrogated based simulation-optimization (SBSO) approach have been applied to tackle the computational burdens of CE-QUAL-W2 as numerical model. The performances of ANN and SVR as data-mining models in the prediction of water quality responses according to various management scenarios have been compared considering the computational time and precision criteria. The comparison results show SVR algorithm included in LIBSVM software is more timely efficient as surrogate model of CE-QUAL-W2. As a results, multi-objective particle swarm optimization (MOPSO) algorithm has been coupled to LIBSVM as surrogate of water quality simulation model. The results show more reservoir water releases to satisfy downstream water demands lead to better water quality conditions in reservoir outflow. According to scientific and conceptual reasons, the decreasing of water detention time in Ilam reservoir results in better quality conditions. Furthermore, multi-pollutant waste load allocations along Gol-Gol river lead to water quality enhancement in Ilam river-reservoir system.