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

ﻣﺪﯾﺮﯾﺖ و ﺗﺎﻣﯿﻦ آب ﻫﻤﻮاره ﯾﮑﯽ از دﻏﺪه ﻫﺎی اﺻﻠﯽ ﺳﯿﺎﺳﺘﮕﺬاران و ﺑﺮﻧﺎﻣﻪ رﯾﺰان در ﺑﺨﺶ ﮐﺸﺎورزی و ﺷﺮب ﺑﻮده اﺳﺖ. ﭘﯿﺶ ﺑﯿﻨﯽ ﺗﻘﺎﺿﺎی آب ﺗﺎﺛﯿﺮ ﺑﻪ ﺳﺰاﯾﯽ در ﺑﺮﻧﺎﻣﻪ رﯾﺰی ﺑﻬﺘﺮ ﻣﻨﺎﺑﻊ آب در ﻣﻨﺎﻃﻖ ﺧﺸﮏ و ﻧﯿﻤﻪ ﺧﺸﮏ ﮐﻪ ﺑﺎ ﻣﺤﺪودﯾﺖ اب روﺑﻪ رو ﻫﺴﺘﻨﺪ دارد. اﻟﮕﻮرﯾﺘﻢ ﮐﺮم ﺷﺐ ﺗﺎب ﯾﮏ ﺗﮑﻨﯿﮏ ﺑﻬﯿﻨﻪ ﺳﺎزی ﻣﻮﺛﺮ ﺑﺮ ﻣﺒﻨﺎی ﻫﻮش ازدﺣﺎﻣﯽ اﺳﺖ ﮐﻪ ﺑﻪ ﻃﻮر ﻣﻮﻓﻘﯿﺖ آﻣﯿﺰی در ﻣﺴﺎﺋﻞ ﭘﯿﺶ ﺑﯿﻨﯽ 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 1385ﺗﺎ 1396ﻣﻘﺎﯾﺴﻪ ﮔﺮدﯾﺪ. در اﯾﻦ ﻣﻄﺎﻟﻌﻪ اﺑﺘﺪا از ﯾﮏ ﭘﺎراﻣﺘﺮ ﭘﻮﯾﺎ ﺟﻬﺖ ﺟﻠﻮﮔﯿﺮی از ﺗﻌﺪﯾﻞ ﭘﺎراﻣﺘﺮ ﺗﺼﺎدﻓﯽ ﺳﺎزی ﺑﻪ ﻃﻮر دﺳﺘﯽ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ و ﺳﭙﺲ از ﺳﻪ ﻣﺪل ﺧﻄﯽ، ﻧﻤﺎﯾﯽ و ﻫﯿﺒﺮﯾﺪ ﺟﻬﺖ ﺗﺨﻤﯿﻦ و ﭘﯿﺶ ﺑﯿﻨﯽ ﺗﻘﺎﺿﺎی آب و ﺑﺮای ﺣﺬف اﺛﺮ ﻣﺨﺘﻠﻒ واﺣﺪ دادهﻫﺎ از روش ﻧﺮﻣﺎل ﺳﺎزی اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. از داده ﻫﺎی ﺳﺎل 1385ﺗﺎ 1393ﺟﻬﺖ آﻣﻮزش و ﯾﺎد ﮔﯿﺮی ﻣﺪل اﺳﺘﻔﺎده ﺷﺪ و از ﺑﺎﻗﯿﻤﺎﻧﺪه دادهﻫﺎ از ﺳﺎل 1394ﺗﺎ 1396ﺟﻬﺖ آزﻣﻮن ﻣﺪل اﺳﺘﻔﺎده ﺷﺪ. ﻧﺘﺎﯾﺞ ﻣﺪل ﻧﺸﺎن داد 5ﻣﺪل 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 97/%98ﻣﯽﺑﺎﺷﺪ. ﺑﻪ ﻃﻮرﯾﮑﻪ در ﻣﺪل ﻫﯿﺒﺮﯾﺪ ﻣﻘﺪار ﺧﻄﺎی ﻧﺴﺒﯽ در اﻟﮕﻮرﯾﺘﻢ ﮐﺮم ﺷﺐ ﺗﺎب ﭘﻮﯾﺎ در ﺳﺎل 94، 3/2درﺻﺪ، در ﺳﺎل 95، 1/7 درﺻﺪ و در ﺳﺎل 96، 1 درﺻﺪ ﻣﯽ ﺑﺎﺷﺪ. و ﻣﻘﺎدﯾﺮ ﭘﯿﺶ ﺑﯿﻨﯽ ﺷﺪه ﺗﻘﺎﺿﺎی آب در اﯾﻦ اﻟﮕﻮرﯾﺘﻢ ﺑﻪ ﻣﻘﺎدﯾﺮ ﺗﻘﺎﺿﺎی واﻗﻌﯽ ﻧﺰدﯾﮑﺘﺮ اﺳﺖ و ﺧﻄﺎی ﮐﻤﺘﺮی ﻧﺴﺒﺖ ﺑﻪ ﺳﺎﯾﺮ اﻟﮕﻮرﯾﺘﻢ ﻫﺎ دارد. ﻣﯿﺰان ﭘﯿﺶ ﺑﯿﻨﯽ ﺷﺪه ﺗﻘﺎﺿﺎی آب در ﻣﺪل ﻫﯿﺒﺮﯾﺪ در اﻟﮕﻮرﯾﺘﻢ ndfaﺑﻪ ﺗﺮﺗﯿﺐ 343، 324و 305ﻣﯿﻠﯿﻮن ﻣﺘﺮ ﻣﮑﻌﺐ در ﺳﺎﻟﻬﺎی 1397ﺗﺎ 1399ﻣﯽ ﺑﺎﺷﺪ ﻧﺘﺎﯾﺞ ارزﯾﺎﺑﯽ رﯾﺴﮏ ﺑﺮای ﺳﻪ ﺳﻨﺎرﯾﻮ زﯾﺎد، ﮐﻢ و ﻣﺘﻮﺳﻂ ﻧﺸﺎن ﻣﯽ دﻫﺪ ﮐﻪ در ﺳﻄﺢ ﺟﺮﯾﺎن ﮐﻢ ﻣﯿﺰان رﯾﺴﮏ ﺑﺎﻻ و در ﺳﻄﺢ ﺟﺮﯾﺎن ﻣﺘﻮﺳﻂ و ﺑﺎﻻ ﻣﯿﺰان رﯾﺴﮏ ﭘﺎﯾﯿﻦ اﺳﺖ و ﺳﯿﺴﺘﻢ ﻗﺪرت ﺗﺤﻤﻞ ﺑﻬﺘﺮی ﺑﺮای رﯾﺴﮏ ﮐﻤﺒﻮد آب دارد.

Management of water demand by use a new dynamic firefly algorithm: case study, River Hirmand

Firefly algorithm (FA) is an effective optimization technique based on swarm intelligence, which has been successfully applied to various practical engineering problems. In this paper a new dynamic firefly algorithm is applied for demand estimation of water of river Hirmand in Sistan area and comparative with different firefly algorithm for 20062017 years. The data from 2006 to 2014 are used for learning and teaching and finding the optimal weights of the model, and the rest of data (20152017) are applied to test the models. The results show that all five FA variants can achieve promising solutions. But NDFA obtains better performance than four other FA variants and its prediction accuracy is up to 97.98%. After ensuring the accuracy of the algorithm, water demand of river Hirmand from 20182020 is predicted. And risk assessment of the water shortage under three scenarios of high, average, and low inflow levels for this years.