واسنجی مدل برنامه‌ریزی منابع آب با استفاده از بهینه‌سازی توابع هدف متعدد

مدل‌های برنامه‌ریزی منابع آب معمولاً شامل اجزاء هیدرولوژیکی، تخصیص و اقتصادی اند بطوری‌که لازم است مقادیر پارامترهای مختص به هر جزء بدرستی برآورد شود. تمرکز اصلی این مقاله بر موضوع واسنجی مدلهای برنامه‌ریزی منابع آب خواهد بود. روش‌شناسی این تحقیق شامل سه بخش اصلی است: 1- توسعه یک مدل برنامه‌ریزی منابع آب در محیط نرم‌افزار weap برای سیستم رودخانه‌های زرینه‌رود و سیمینه‌رود واقع در حوضه آبریز دریاچه ارومیه، 2- استفاده از الگوریتم vars برای تحلیل حساسیت پارامترهای مدل توسعه یافته، و 3- بکارگیری الگوریتم بهینه‌سازی دسته ذرات با توابع هدف متعدد (maopso) برای واسنجی مدل و تخمین پارامترهای آن. شایان ذکر است که الگوریتم‌های بهینه‌سازی با توابع هدف متعدد برای مسائل با بیش از 3 هدف بکار می‌روند و در این تحقیق نیز واسنجی 7 تابع هدف تعریف شده مبتنی بر معیارهای خطای سری‌های زمانی شبیه‌سازی نسبت به مشاهدات برای آبدهی در محل ایستگاه‌های هیدرومتری، حجم مخازن سدها و حجم آبخوان‌های حوضه مورد نظر است. همچنین پارامترهای واسنجی شامل مقادیر اولویت تقاضا، نرخ مصرف آب سایت‌های کشاورزی، بیشینه حجم برداشت سالانه از آبخوان‌ها و پارامترهای رابطه تراز- حجم آبخوان‌ها در نظر گرفته می‌شود. تحلیل حساسیت پارامترها نشان می‌دهد که از بین کل 27 پارامتر، تنها 17 پارامتر بر شاخصهای خطای شبیه‌سازی موثرند. همچنین نتایج مقایسه عملکرد الگوریتم maopso با نتایج الگوریتم بهینه‌سازی دسته ذرات چندهدفه (mopso) مبتنی بر دو معیار گستردگی جبهه پارتو و همگرایی جواب، حاکی از عملکرد بهتر الگوریتم maopso در مواجهه با مساله واسنجی مدل برنامه‌ریزی منابع آب با اهداف متعدد است.

Calibration of a Water Resource Planning Model using Many-Objective Optimization

Water resource planning models traditionally incorporate hydrologic, water allocation and economic modules whose parameters should be properly estimated. This paper focuses on calibration of a water resource planning model. Our methodology includes three main parts: 1) development of a water resource planning model using WEAP software for Zarineh and Simineh River Basins located in Urmia Lake Basin in Iran, 2) application of VARS algorithm for sensitivity analysis of parameters of the developed model, and 3) usage of Many Objective Particle Swarm Optimization (MaOPSO) algorithm for model calibration and parameter estimation. It is worth mentioning that many objective optimization algorithms are utilized for problems with more than 3 objectives and here in this study we intend calibration of 7 objective functions defined based on NashSutcliffe efficiency indices calculated in terms of residuals of time series of simulated and observed values of river discharge at stream gauges’ locations, dam reservoir’s storage volume, and aquifers’ storage volume. Furthermore the model’s parameters includes allocation priority, consumption rate, maximum withdrawal, and parameters of elevationvolume curves of aquifers. Sensitivity analysis using VARS algorithm shows that there are 17 influential parameters from total 27 parameters which are considered in calibration phase. To evaluate performance of MaOPSO, its results are compared to results derived using multiobjective PSO, which shows that MaOPSO has better performance dealing with such a complex problem.