مدیریت تقاضای آب با استفاده از الگوریتم بهینه سازی کرم شب تاب پویا: مطالعه موردی رودخانه هیرمند

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 46

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WEJMI-13-46_007

تاریخ نمایه سازی: 26 بهمن 1402

چکیده مقاله:

الگوریتم کرم شب تاب یک تکنیک بهینه سازی موثر بر مبنای هوش ازدحامی است که به طور موفقیت آمیزی در مسائل مهندسی کاربردی استفاده میشود. در این پژوهش الگوریتم کرم شب تاب پویا برای تخمین میزان تقاضا آب از رودخانه هیرمند در منطقه سیستان به کار برده شده و با چهار الگوریتم مختلف کرم شب تاب برای سالهای ۱۳۸۵ تا ۱۳۹۶ مقایسه گردید. از داده های سال ۱۳۸۵ تا ۱۳۹۳ جهت آموزش و یاد گیری مدل استفاده شد و از باقیمانده دادهها از سال ۱۳۹۴ تا ۱۳۹۶ جهت آزمون مدل استفاده شد. نتایج مدل نشان داد ۵ مدل مختلف الگوریتم کرم شب تاب میتوانند جوابهای محتملی بدست دهند اما روش الگوریتم کرم شب تاب پویا کارایی بهتری نسبت به چهار مدل دیگر دارد. و دقت پیش بینی آن بالای ۹۸%/۹۷ میباشد. پس از اطمینان از دقت الگوریتم میزان تقاضای آب از رودخانه هیرمند از سال ۱۳۹۷تا ۱۳۹۹ پیش بینی شد و میزان ریسک کمبود آب برای سه سناریو زیاد، متوسط و کم سطح جریان آب برای این سالها ارزیابی شد.

کلیدواژه ها:

نویسندگان

زهرا غفاری مقدم

دانشجوی دکتری اقتصاد کشاورزی دانشگاه سیستان و بلوچستان. زاهدان- ایران

محمود هاشمی تبار

استادیار گروه اقتصاد کشاورزی دانشگاه سیستان و بلوچستان. زاهدان. ایران

ابراهیم مرادی

استادیار گروه اقتصاد کشاورزی دانشگاه سیستان و بلوچستان. زاهدان. ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • سردار شهرکی ع، ۱۳۹۵. تخصیص بهینه منابع آب حوزه هیرمند ...
  • وزارت نیرو، گزارش برنامه ریزی منابع آب رودخانه و مخازن ...
  • نوری ص، شهرکی ج، سردار شهرکی ع. ۱۳۹۸. کاربرد الگوریتم ...
  • Alah yari khamaneh P. and Taghavi afshrd S. ۲۰۱۷. Improve ...
  • Assareh E, Behrang MA, Assari MR, and Ghanbarzadeh A. ۲۰۱۰. ...
  • Bougadis J, Adamowski KB, and Diduch R. ۲۰۰۵. Short-term municipal ...
  • Brentan BM, Luvizotto Jr, Herrera M, Izquierdo J, and Perez-Garcia ...
  • Chhikara RR, Sharma P, Singh L. ۲۰۱۸. An improved dynamic ...
  • Cui LZ, Li GH, Wang XZ, Lin QZ, Chen JY, ...
  • Cui ZH, Sun B, Wang GG, Xue Y, and Chn ...
  • Dorigo M, Maniezzo V, and Colorni A. ۱۹۹۶. Optimization by ...
  • Eslamian SA, Li SS, and Haghighat F. ۲۰۱۶. A new ...
  • Ehteram M, Karami H, Farzin S. ۲۰۱۸a. Reservoir optimization for ...
  • Ghasemi vajani H. ۲۰۱۸. Expand an Artificial Neural Networks for ...
  • Hashimoto T, Stedinger JR, and Loucks DP. ۱۹۸۲. Reliability resiliency ...
  • Hosseini-Moghari M, and Banihabib ME. ۲۰۱۴. Optimizing operation of reservoir ...
  • Li M, Guo P, Singh V, and Yang G. ۲۰۱۶. ...
  • Maidment DR, Miaou SP, and Crawford MM. ۱۹۸۵. Transfer function ...
  • Matsushita H. ۲۰۱۵. Firefly algorithm with dynamically changing connections. IEEE ...
  • Oliveira PJ, Steffan JL, and Cheung P. ۲۰۱۷. Parameter estimation ...
  • Pulido-Calvo I, and Gutierrez-Estrada JC. ۲۰۰۹. Improved irrigation water demand ...
  • Ruan BQ, Han YP, Wang H, and Jiang RF. ۲۰۰۵. ...
  • Tabesh M, and Dini M. ۲۰۱۰. Forecasting Daily Urban Water ...
  • Wang H, Cui Z, Wang W, Zhou X, Zhao J, ...
  • Wang H, Zhihua C, Wenjun W, Xinyu Z, Zhao J, ...
  • Wang H, Zhou X, Sun H, Yu X, Zhao J, ...
  • Wang H, Sun H, Li C, Rahnamayan S, and Pan ...
  • Yang XS. ۲۰۰۸. Nature-inspired metaheuristic algorithms, Luniver Press, UK ...
  • Yang XS. ۲۰۱۰. Engineering Optimization an introduction with metaheuristic application. ...
  • Yu SH, Zhu SL, Ma Y, and Mao DM. ۲۰۱۵. ...
  • Yin Z, Du C, Liu J. ۲۰۱۸. Research on Auto ...
  • Zarei A, Mousavi SF, Eshaghi Gordji M, Karami H. ۲۰۱۹. ...
  • نمایش کامل مراجع