در تحقيق حاضر به منظور تعيين مقادير بهينه مولفه‌هاي طراحي و بهره‌برداري طرح انتقال آب بهشت‌آباد-زاينده‎رود، از رويكرد شبيه‌سازي- بهينه‌سازي استفاده مي‎گردد. الگوريتم هوش جمعي ذرات چند هدفه به منظور بهينه‌سازي و مدل WEAP، جهت شبيه‌سازي سيستم منابع و مصارف حوضه‎هاي آبريز مبداء و مقصد، مورد استفاده قرار خواهد گرفت. با توجه به حجم محاسباتي بالاي رويكردهاي شبيه‎سازي-بهينه‎سازي در قالب رويكردهاي الگوريتم‎هاي فراكاوشي و نياز به فراخواني‎هاي متعدد مدل شبيه‎سازي و/يا زمان اجراي بالاي مدل WEAP، هزينه محاسباتي بالايي به سيستم تحميل خواهد گرديد. به منظور مواجهه با اين چالش، استفاده از تكنيك فرامدل پيشنهاد و استفاده خواهد گرديد. براي اين منظور، مدلي جايگزين مدل WEAP مبتني بر روش‌هاي داده‌كاوي و ابزار شبكه عصبي توسعه داده شده‎است. مدل جايگزين توسعه يافته به تقريب توابع هدف مساله بهينه‌سازي بر اساس مقادير مختلف متغير‌هاي تصميم، مي‌پردازد. در اين تحقيق دو مساله مجزا به صورت الف) تعيين ظرفيت بهينه سامانه دخيره‎سازي و انتقال آب بهشت‌آباد و ب) تعيين عدد اولويت بهينه ذخيره سد‌ها توام با تعيين ظرفيت بهينه سامانه دخيره‎سازي و انتقال آب، تعريف گرديد. كاهش كمبودهاي تامين نياز مصارف شرب و زيست‌محيطي حوضه‌هاي مبدا و مقصد و نيز كاهش هزينه‌هاي اقتصادي اجراي اين طرح، از اهداف تعريف شده در مسائل پيش روي اين تحقيق مي‎باشند. مسائل تعريف شده اخير با استفاده از رويكرد شبيه سازي-بهينه سازي در قالب ابزاري MOPSO-WEAP، فرامدل تطبيقي (MOPSO-ANN-WEAP) و ترتيبي (MOPSO-ANN) حل گرديده و مقادير بهينه ظرفيت سامانه انتقال آب و/يا اولويت ذخيره سد‌ها استخراج مي‎گردد. بر اساس نتايج حاصل، الگوي بهره‌برداري از اجزاي منابع آب حوضه، تاثير بسزايي در مديريت صحيح منابع آبي خواهد داشت. همچنين نتايج حاكي از عملكرد مناسب مدل جايگزين در حل مساله مورد بررسي، تقريب توابع هدف مساله با دقت مناسب، صرف زمان كمتر و دقت قابل قبول در ارائه پاسخ سيستم دارد.

1396/03/31

1/1/1900 12:00:00 AM

In this research the simulation-optimization (S-O) approach is applied to determine the optimum capacity of water transfer systems and optimal operational strategy in BehestAbad to Zayandehrood Inter-basin water transfer project. In this regard, a Multi-objective Multi-Cooperative Swarm Particle Swarm Optimization (MOMCSPSO) algorithm as an optimization technique is linked to Water Evaluation and Planning system (WEAP) as simulation model. WEAP simulates the water resources and consumption system at both origin and destination basins. Due to the immense computational efforts of simulation-optimization approach specifically in an evolutionary algorithm application and simulation model frequent recalling requiremen, intensive computational costs are expected. To alleviate this challenge, a surrogate based S-O approach is developed in this research. Artificial Neural Network (ANN) as surrogate model substituted WEAP and linked to MOMCSPSO algorithm in adaptive and sequential manner. Two distinct problems (Design and Both Design and Operation) are taken into account in this research; a) Determination the optimal capacity of BehestAbad water transfer system, and b) Determination the optimal priority numeric of reservoir storage while considering (a). The objective functions of the problems are the environmental and domestic water demand shortages reduction at origin and destination basins seprately, and water transfer system cost reduction. The above problems are solved using (MOPSO-WEAP), adaptive metamodel (MOPSO-ANN-WEAP), and sequential (MOPSO-ANN) techniques. The optimal reservoir and tunnel capacity in problem a and/or the optimal reservoir storage priority numbers are derived using the aforementioned techniques. The results show that operational patterns of water resource elements have affected the design capacity and water supply especialy in the destination basin. Furtheremore the developed techniques in this research are effective on computational time reduction wherease the desired accuracy is achieved in water resources objective functions estimation.