عنوان

تدوین سیاست های مدیریت بهره برداری بهینه کمی-کیفی از مخزن با استفاده از فرامدل های شبیه ساز نوین,‮‭Developing the optimal quality-quantity operational management rules in the reservoir by new simulation metamodels‬

Number

‭۲۱۹۷۴پ‬

.Language of Text, Soundtrack etc

per

Title Proper

تدوین سیاست های مدیریت بهره برداری بهینه کمی-کیفی از مخزن با استفاده از فرامدل های شبیه ساز نوین

Parallel Title Proper

‮‭Developing the optimal quality-quantity operational management rules in the reservoir by new simulation metamodels‬

First Statement of Responsibility

/سید امین موسوی

Name of Publisher, Distributor, etc.

: مهندسی عمران

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۸‬

Name of Manufacturer

، افشاری

Specific Material Designation and Extent of Item

‮‭۱۱۶‬ص‬

Text of Note

چاپی - الکترونیکی

Dissertation or thesis details and type of degree

دکتری

Discipline of degree

مهندسی عمران، گرایش مهندسی سواحل، بنادر، و سازه‌صهای دریایی

Date of degree

‮‭۱۳۹۸/۰۶/۱۶‬

Body granting the degree

تبریز

Text of Note

امروزه مخازن سدها به عنوان یکی از اصلی‌ترین پیکره‌های ذخیره آب سطحی برای نیازهای کشاورزی، شرب، صنعت، برقابی و ...به کار می‌روند .از این‌رو آلودگی و یا محدود شدن استفاده از این منابع در کنار تغییرات آب و هوایی، به‌عنوان یکی از مهم‌ترین تهدیدها و چالش‌های پیش روی جامعه بشری نگرانی زیادی را در بهره‌برداری و مدیریت منابع آب سطحی و بالطبع آن سدهای مخزنی ایجاد کرده است .متأسفانه اقدامات گسترده چند دهه اخیر در ایجاد مخازن ذخیره آب بر روی رودخانه‌های کشور تنها با هدف استحصال هر چه بیشتر از منابع آب صورت گرفته است و توجه کمتری به مبحث کیفیت آب شده است .یکی از دلایل این امر را می‌صتوان در حجم سنگین محاسبات و زمان بالای اجرای مدل‌های شبیه‌صساز-بهینه‌صساز ریاضیاتی دانست .به نظر می‌رسد که مدل‌های شبیه‌سازی و پیش‌بینی نوین همچون شبکه‌های عصبی مصنوعی، مدل استنتاج عصبی‮‭(FIS)‬ ، مدل برنامه‌ریزی ژنتیک‮‭(GP)‬ ، ماشین‌های بردار پشتیبان‮‭(SVM)‬ ، شبکه‌های بیزین‮‭(BN)‬ ، شبکه‌های درختی و ...بتوانند ضمن حفظ دقت محاسبات در حد قابل‌قبول، مشکلات محاسباتی مدل‌های شبیه‌صساز ریاضیاتی را نیز نداشته باشند .به‌طور خلاصه می‌صتوان عنوان کرد که پژوهش حاضر تلاشی است برای بررسی کارایی استفاده از این فرا مدل‌ها در استخراج دستورات بهره‌برداری از مخزن سدها با لحاظ کردن قیودات کمی-کیفی .مخزن سد کرخه به‌عنوان مطالعه موردی در این تحقیق انتخاب شد .در این تحقیق داده‌های لازم برای آموزش مدل‌های شبیه‌ساز فراکاوی با استفاده از مدل تدوین‌شده شبیه‌صساز-بهینه ساز‮‭W۲ -QUAL-CE-PSO‬که توسط ‮‭Masoumi and Afshar (۲۰۱۶)‬تهیه، استفاده و صحت سنجی شده بود، تهیه شد .هدف اصلی از این تحقیق بررسی قابلیت مدل‌های شبکه عصبی مصنوعی‮‭(ANN)‬ ، شبکه‌صهای بیزین‮‭(BN)‬ ، ماشین‌صهای بردار پشتیبان‮‭(SVR)‬ ، برنامه‌ریزی ژنتیک ‮‭(GP)‬ و سیستم استنتاج فازی ‮‭(FIS)‬ در تخمین مقادیر برداشت کل از مخزن و نیز سهم هرکدام از دریچه‌صها بود .مساله‌ها در چند حالت مختلف حل گردید، یک‌بار با یک سری زمانی ‮‭۱۸۰‬ ماهه، یک‌بار با یک سری زمانی ‮‭۱۸۰۰‬ ماهه، یک‌بار با لحاظ زمان‌ماند آب در مخزن و یک‌بار با کم‌کردن تعداد داده‌صهای ورودی با تکنیک آنالیز مؤلفه‌های اصلی .از بین مدلهای مورد اشاره، شبکه عصبی مصنوعی و ماشین‌صهای بردار پشتیبان نتایج صحیح و قابل‌استفاده را به دست دادند و نتایج بقیه مدل‌ها غیرقابل استفاده و استناد بود

Text of Note

nowadays, dams are used as one of the main surface water storage bodies for the needs of agriculture, drinking, industry, electricity, etc. Therefore, pollution or restricted use of these resources along with climate change, as one of the most important threats and The challenges facing human society have raised a great deal of concern about the exploitation and management of surface water resources and consequently reservoir dams. Unfortunately, the widespread efforts of the last several decades to build water storage tanks on the country's rivers have only been aimed at extracting more from the water resources and less attention has been paid to the quality of the water. One of the reasons for this can be attributed to the high volume of computation and the high running time of mathematical simulator-optimizer models. It seems that modern simulation and prediction models such as artificial neural networks, neural-fuzzy inference model (ANFIS), genetic programming model (GP), support vector machines (SVM), Bayesian networks (BN), tree networks and etc, Keeping computation accuracy to an acceptable level does not have the computational problems of mathematical simulator models. In summary, it can be stated that this study is an attempt to investigate the efficiency of using these meta-models in deriving reservoir operation instructions by considering quantitative-qualitative constraints. Karkheh dam reservoir was selected as a case study. In this study, the necessary data for training of the simulation models were prepared, used and validated by Masoumi and Afshar (2016) using the PSO-CE-QUAL-W2 simulator-optimized model. The main objective of this research is to investigate the capability of ANN models, Bayesian networks (BN), Support Vector Machines (SVR), Genetic Programming (GP) and Fuzzy Inference System (FIS) in estimating total harvest values from The tank was the same as the contribution of each of the valves. The problems were resolved in several different ways. Once with a 180-month time series, once with an 1800-month time series, once with respect to water retention in the reservoir, and once by reducing the number of input data using principal component analysis technique. Among the models mentioned, artificial neural network and support vector machines achieved correct and usable results and the results of other models were useless and cited

Parallel Title

‮‭Developing the optimal quality-quantity operational management rules in the reservoir by new simulation metamodels‬

موسوی، سید امین

mousavi, Seyed amin

Public note

سیاه و سفید

نمایه‌سازی قبلی