بهینهسازی شبکه آب خام برای توسعه پایدار فضایسبز به کمک الگوریتم ژنتیک چند هدفه در محیطGIS
First Statement of Responsibility
/محمد رضا سفیدی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
تبریز : دانشگاه تبریز ، دانشکده عمران
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۱۸ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
عمران-اب
Date of degree
۱۳۹۱/۰۶/۰۱
Body granting the degree
تبریز : دانشگاه تبریز ، دانشکده عمران
SUMMARY OR ABSTRACT
Text of Note
فضای سبز شهری در تعدیل آلودگیهای زیست محیطی موثر بوده و در تامین محیط سالم برای شهروندان نقش موثری دارد .در عینحال یکی از موانع اصلی موجود در گسترش فضاهای سبز شهری، توزیع نامناسب مکانی و زمانی آب مورد آبیاری میباشد .لذا در این رساله جانمایی مناسب منابع آب منطقه مورد مطالعه با استفاده از سامانه اطلاعات مکانی (GIS) انجام شده و شبکه آبیاری از دید هندسه و با لحاظ محدودیتهای هیدرولیکی شبکه، توسط نرم افزار WaterGEMS طراحی شده است .لازم به ذکر است که منطقه ۹ شهرداریتبریز که منطقهای نوساز بوده و هنوز شبکه آبیاری خاصی در آن اجرا نشده به عنوان منطقه مورد مطالعه انتخاب شده است .در گام دوم شبکه طراحیشده اولیه با هدف تامین فشار مناسب و حداقل سازی هزینه با استفاده از الگوریتم ژنتیک چند هدفه بهینهسازی شده و منحنی پارتو مناسب بر روی مجموعه جوابهای بدست آمده برازش داده میشود .برای انتخاب بهترین راهحل از روشهای مختلف تئوریبازیها استفاده شده و نزدیکترین راه حل به جوابهای بدست آمده از تئوریبازیها به عنوان راه حل بهینه انتخاب میشود در مرحله بعدی شبکه طراحی شده اولیه به فضای نرم افزار EPANET برده شده و اینبار شبکه با استفاده از ابزار الگوریتم شبیهسازی بازپخت بهینهسازی میشود .اجرای این الگوریتم با کالیبرهکردن متوالی عملگرهای مربوط به الگوریتم شبیهسازی بازپخت تکرار شده و جواب بهینه نسبی تولید میشود .مقایسه نتایج بدستآمده از اجرای این دو الگوریتم برروی شبکه طراحی شده اولیه نشان دهنده کاهش ۱۶ درصدی هزینههای اجرایی شبکه طراحی شده توسط الگوریتم ژنتیک در مقایسه با الگوریتم شبیه سازی بازپخت میباشد .علاوه براین زمان لازم برای اجرای الگوریتم ژنتیک بسیار کمتر از الگوریتم شبیهسازی بازپخت بوده و شبکه ارائه شده توسط الگوریتم ژنتیک قابلیت اجرایی بیشتری دارد .در ادامه جوابهای بدستآمده از الگوریتم ژنتیک صحتسنجی شده که نتایج نشاندهنده همگرایی جوابهای بدست آمده از الگوریتم ژنتیک میباشد.بعد از اجرای راه حل انتخابشده بر روی شبکه و ایجاد تغییرات جزیی به منظور افزایش قابلیت اجرایی شبکه تحلیل حساسیت با افزایش تقاضا به میزان ۱/۱ و ۲/۱ برابر تقاضای تعریف شده انجام میشود که نتایج نشاندهنده انعطافپذیری خوب شبکه طراحی شده در مقابل تغییرات تقاضا میباشد
Text of Note
Urban landscapes are vital in reducing the air pollution of cities and also provide delightful environment for citizens However inappropriate and non-scientific distribution of water needed for irrigation of urban landscapes is one of the main obstacles to expansion of the urban landscapes. The purpose of this study is to optimize the raw water network to provide adequate pressure in addition to minimizing the cost by using multi objective genetic algorithm and simulated annealing. First of all, location of water resources is selected by using GIS. Water network are designed in WaterGEMS environment and exported to EPANET environment to be optimized with simulated annealing. In the next step the network are optimized with genetic algorithm in WaterGEMS environment. After that different solutions are obtained and Pareto frontier are provided, which simplifies the decision making on the different solutions. Several Pareto solutions are obtained and then based on the game theory approaches as area monotonic solution, non symmetric equal loss solution and non-Symmetric Kalai Smorodinsky solution, the most efficient point is selected. The selected solution is simulated by the WaterGEMS software and the elements of the network is designed. This optimum solution shows a decrease of 16 in total cost in addition to the improved water pressure as compared with optimal solution that are obtained from simulated annealing. Convergence of obtained solutions examined and sensitivity analyses is done to see behavior of network under extra demand. A case study from a district in Tabriz city is used to show the success of the methodology. The results presented in this study indicate the capability of the GA in optimizing water networks