ارائه مدلی جهت مدیریت مصارف آبی کشاورزی، صنعتی و خانگی ایران با ترکیب پویایی‌شناسی سیستم‌ها و الگوریتم ژنتیک

مقدمه در این تحقیق سیستم مدیریت منابع آبی کشور با رویکرد پویایی شناسی سیستم ها مدلسازی شده و پس از شبیه سازی به تعیین میزان بهینه منابع آبی، قدرت اجتماعی حاکمیت، منابع مالی دولت و میزان مهاجرت های آبی با توجه به متغیرهای تصمیم تعرفه آب خانگی، کشاورزی و صنعتی پرداخته شده است. نتایج ترکیب بهینه، افزایش تعرفه آب در بخش خانگی، کشاورزی و صنعتی جهت بهینه سازی تابع هدف را به ترتیب 11، 200 و 200 درصد در طی 5 سال آینده پیشنهاد می نماید.روش این تحقیق در ابتدا با استفاده از ابزار پویایی شناسی سیستم ها متغیرها و حلقه های بازخوری دخیل در مدیریت منابع آبی را مدل سازی و شبیه سازی کرده است. به منظور بهینه سازی از دو روش الگوریتم ژنتیک و قابلیت simulation-optimization در نرم افزار ونسیم استفاده شده است. در الگوریتم ژنتیک جمعیت اولیه 30 عدد و احتمال تقاطع و جهش به ترتیب 83 درصد و 17 درصد جمعیت در نظر گرفته شده است. معیار انتخاب هر کروموزوم با روش roulet wheel می باشد.یافته ها نتایج نشان داد بهینه سازی با الگورتیم ژنتیک نسبت به ادامه شرایط پایه، منابع آبی پشت سدها را 89 درصد افزایش داده در صورتی که خروجی نرم افزار ونسیم 84 درصد بهبود می دهد و در کل خروجی الگورتیم ژنتیک نسبت به خروجی بهینه سازی نرم افزار ونسیم، تابع هدف را 2 درصد بالاتر بهبود می دهد.نتیجه گیری نتایج نشان داد بهینه سازی با الگوریتم ژنتیک در قیاس با نرم افزار ونسیم نتایج قابل قبول تری ارائه می دهد. همچنین پس از بهینه سازی، بهترین سیاست تعرفه ای جهت بهبود تابع هدف افزایش بیشتر در تعرفه آب کشاورزی و صنعتی نسبت به تعرفه خانگی است.

presenting a model for managing agricultural, industrial, and household water consumption in iran by combining system dynamics and genetic algorithm

introduction: in this study, the country's water resources management system has been modeled using a system dynamics approach. after simulation, optimal water resources, social power of governance, government financial resources, and the rate of water migration have been determined based on the decision variables of household, agricultural, and industrial water tariffs. the optimal combined results suggest an 11%, 200%, and 200% increase in water tariffs for household, agricultural, and industrial sectors, respectively, over the next 5 years.methods: initially, this study modeled and simulated the variables and feedback loops involved in water resources management using system dynamics tools. for optimization, two methods, genetic algorithm and the simulation-optimization capability in the vensim software, were employed. in the genetic algorithm, an initial population of 30 individuals and crossover and mutation probabilities of 83% and 17% were considered. the selection criterion for each chromosome is based on the roulette wheel method.findings: the results indicate that optimization using the genetic algorithm results in an 89% increase in water resources behind dams compared to the baseline conditions, whereas the vensim software output shows an 84% improvement. overall, the genetic algorithm improves the objective function by 2% compared to the vensim software's optimization output. additionally, after optimization, the best tariff policy for enhancing the objective function is a further increase in agricultural and industrial water tariffs compared to household tariffs.