برنامه تحویل و توزیع بهینه‏ آب در شبکه آبیاری با استفاده از الگوریتم‏های بهینه‏سازی تکاملی (مطالعه موردی شبکه آبیاری زیر سد جیرفت)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 - دانشجوی دکتری سازه‏های آبی دانشگاه شهید باهنر کرمان، کرمان، ایران

2 استادیار بخش مهندسی آب، دانشگاه شهید باهنر کرمان، کرمان، ایران

3 دانشیار بخش مهندسی آب، دانشگاه شهید باهنر کرمان، کرمان، ایران

چکیده

برنامه‏ریزی جهت بهره‏برداری بهینه از شبکه آبیاری یک راه حل کارآمد در صرفه­جویی مصرف آب، افزایش سطح زیرکشت و بهبود عملکرد کشاورزی است. مسئله تحویل و توزیع آب در شبکه آبیاری یک مسئله بهینه‏سازی چند ‏هدفه، چند متغیره و چند محدودیتی است. حل چنین مسئله‏ای نیازمند روش‏های بهینه‏ساز قدرتمند است. الگوریتم‏های تکاملی گروهی مهم از الگوریتم‏های جستجو هستند که در آن­ها با استفاده از قوانین تکاملی موجود در طبیعت برای یافتن جواب مناسب بهره گرفته می‏شود. در این مطالعه برنامه تحویل و توزیع ارائه شده در شبکه آبیاری با استفاده از الگوریتم‏های رقابت استعماری و PSO بهینه‏سازی شد و با نتایج الگوریتم ژنیتک مقایسه شد. مدل برنامه توزیع آب در انشعابات کانال‏های توزیع­کننده به گونه‏ای ارائه شده که اهداف متفاوتی اعم از کاهش ظرفیت کانال توزیع‏کننده و کاهش زمان مورد نیاز برای تکمیل برنامه آبیاری به­صورت تک هدفی و دو هدفی بهینه گردد. در این برنامه ابتدا تعداد انشعابات، حد بالا و پایین میزان دبی تحویلی به هر انشعاب و سطح تحت پوشش هر انشعاب، نیاز ناخالص آبیاری، دور آبیاری و تعداد بلوک‏ها به عنوان ورودی به مدل معرفی می‏شود. با اجرای مدل بهترین نوبت‏بندی انشعابات در هر بلوک، حداقل ظرفیت کانال توزیع‏کننده و حداقل زمان آبیاری در شرایط بهینه به عنوان خروجی مدل ارائه می‏گردد. جهت کنترل و بررسی برنامه تدوین شده، برنامه بهینه تحویل آب در شبکه آبیاری پایین دست سد انحرافی جیرفت با استفاده از مدل تدوین شده استخراج شد. در نتیجه این مطالعه مشخص شد عملکرد الگوریتم رقابت استعماری نسبت به دو الگوریتم دیگر بهتر است که با استفاده از آن در حالت بهینه‏سازی دو هدفه جهت تأمین نیاز آبیاری شبکه، ماکزییم دبی 1381 لیتر در ثانیه و ماکزیمم زمان آبیاری 236 ساعت می‏باشد. 

کلیدواژه‌ها


عنوان مقاله [English]

Optimal Programming for Delivery and Distribution of Water Irrigation Network Using Evolutionary Algorithms (the case study: the Network Irrigation at Downstream of the Jiroft dam)

نویسندگان [English]

  • Farzaneh Qaderi Nasab 1
  • Kouroush Qaderi 2
  • Mohammad Bagher Rahnama 3
1 PHD student, Water structures Department ,Shahid Bahonar University of Kerman., Kerman., Iran
2 Assistant Professor , Water structures Department , Shahid Bahonar University of Kerman., Kerman., Iran
3 - Associate Professor , Water structures Department , Shahid Bahonar University of Kerman., Kerman., Iran
چکیده [English]

Planning for optimal operation in irrigation network is an efficient solution in water saving, increasing in cultivation and improving agriculture performance. Problem of water delivery scheduling in irrigation network is a multi-objective, multi-variable, and multi-constraint problem. Solving such problem needs powerful optimization methods. Evolutionary algorithms are major group of search algorithms that are used for finding a suitable answer using current evolutionary rules in nature.  In this research the provided delivery and distribution program in irrigation network is optimized using Imperial Comparative Algorithms (ICA) and PSO and are compared with genetic algorithm results. In this research the delivery and distribution program in distribution channel branches are provided so that the various objects such as decreasing in distributor channel capacity and decreasing in time needed for complete the irrigation program optimize as a single and two objectives. In this program, first branch numbers, upper and lower limit of delivery discharge to per branch and branch coverage, gross irrigation requirement, irrigation interval and block numbers as input are defined to the model. By running the model, the best intermittent of branches in per block, minimum of distributer channel capacity and minimum irrigation duration in optimum conditions define to the model as outputs. To control and considering of developed program, the optimum delivery program in downstream irrigation network of Jiroft diversion dam using this model is provided. The results show that in two-objective optimum status for irrigation supply of the network, Imperialist Competitive Algorithm performance is better than the other two algorithms so that the maximum discharge is 1381 cubic meter per second and maximum irrigation duration is 236 hours

کلیدواژه‌ها [English]

  • optimization
  • Imperialist Competitive Algorithm
  • PSO algorithm
  • Water delivery Schedule and Irrigation network

جهانشاهی،پ. 1387.  بهره­برداری بهینه از شبکه آبیاری سد با استفاده از الگوریتم ژنتیک (مطالعه موردی شبکه آبیاری  و زهشکی سد جیرفت)، پایان­نامه کارشناسی ارشد. دانشگاه شهید باهنر کرمان

خوشنواز،ص،. رمضانی مقدم،ج.، نصرالهی.، حیدری،ع و آل علی، س. م. 1390. بهینه­سازی تخصیص آب در شبکه آبیاری میان آب شوشتر، نخستین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

راعی،ر و علی بیکی،ه. 1389. بهینه­سازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات. تحقیقات مالی دانشکده مدیریت دانشگاه تهران. 12 . 29: 21 - 40.

-عمادی،ع.ر و کاکویی،س. 1391. بهینه­سازی توزیع آب کانال BP14 شبکه آبیاری فومنات با استفاده از الگوریتم جامعه مورچگان، نشریه آب و خاک (علوم و صنایع کشاورزی). 26. 5 : 1109-1118

-کاکویی،س و عمادی،ع.ر. ١٣٩٢ .توزیع و تحویل بهینه آب در کانال AMX از شبکه آبیاری ورامین با استفاده از الگوریتم سیستم جامعه مورچگان مجله پژوهش آب ایران. 7 .13: 51-58

منعم،م.ج و نوری،م.ع. 1389 . کاربرد الگوریتم بهینه­سازی PSO در توزیع و تحویل بهینه آب در شبکه‏های آبیاری، مجله آبیاری و زهکشی ایران.1. 4: 72-83.

منعم،م.ج و نوری،م.ع. 1389 . کابررد الگوریتم بهینه سازی PSO در توزیع و تحویل بهینه آب در شبکه آبیاری، مجله آبیاری و زهکشی ایران. 1. 4:73-82

-منعم،م.ج. نجفی،م.ر و خوشنواز،ص.  1386. برنامه‏ریزی بهینه تحویل آب در کانال آبیاری با استفاده از الگوریتم ژنتیک، تحقیقات منابع آب ایران.3. 1: 1-11

-Atashpaz-Gargari, E. and Lucas, C., 2007, Imperialist Competitive Algorithm: An algorithm for optimization inspired by imperialistic competition, IEEE Congress on Evolutionary Computation, ۴۶۶۱–۴۶۶۷

-Goldberg, D. E. (1989), Genetic Algorithms in Search,Optimization and Machine Learning. Addison –Wesley. Reading, Mass.

-Kennedy, J., and Eberhart, R. C. (1995). “Particle swarm optimization.” Proc., IEEE Int. Conf. on Neural Networks IV, IEEE Service Center, Piscataway, NJ, 1942–1948.

-Kennedy, J., and Eberhart, R. C. (2001). Swarm intelligence, Academic Press, California.

-Lawrence, D. (1991), Handbook of Genetic Algorithms. Van Nostrand. Rein hold. New York.

-Monem, M. J. and Namdarian, R. (2005), Application of simulated annealing (SA) techniques for optimal water distribution in irrigation canals, Irrigation and Drainage. 54: 365–373 (2005)

-Pawed.A.W., Mathur,Y.P., and Kumar,R. 2013. Optimal water scheduling in irrigation canal network using particle swarm optimization,  IRRIGATION AND DRAINAGE, 62: 135–144 (2013)

-Reddy, J.M., Wilamowski,B. and Sharmasarakar, F.C. 1999. Optimal scheduling of irrigation for lateral canals. ICID Journal 48(3): 1–12.

-Ritzel, B.J. and Eheart, J. W. (1994), "Using genetic algorithms to solve a multiple objective groundwater pollution containment problem",Water Resour. Res. 30(5): pp. 1589-1603.

-Santhi, C. and Pundarikanthan, N.V. 2000, A new planning model for canal schedulingof rotational irrigation, Agricultural Water Management 43 (2000) 327-343

-Sun, W. and Liang, Y. 2014. Least-Squares Support Vector Machine Based on Improved Imperialist Competitive Algorithm in a Short-Term Load Forecasting Model, Journal of Energy Engineering

-Suryavanshi, A.R. and Reddy J.M., 1986,Optimal operation scheduling of irrigation distribution systems, Journal of Agricultural Water Management 11: 23–30.

-Wang Z, Reddy J.M, Feyen J. 1995. Improved 0–1 programming model for optimal flow scheduling in irrigation canals. Irrigation and Drainage Systems 9: 105–116.

-Wardlaw RB, Bhaktikul K. 2004b. Application of genetic algorithms for irrigation water scheduling. Irrigation and Drainage 53(4): 397–414.

-Zhao, W.; Ma, X.; Kang, Y.; Ren, H. & Su, B. (2009), Optimal Model on Canal water Distribution Based on Dynamic Penalty Function and Genetic Algorithm., CCTA 2, volume 294 of IFIP Advances in Information and Communication Technology, page 1347-1357. Springer.