به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

genetic algorithm

در نشریات گروه مهندسی آب
تکرار جستجوی کلیدواژه genetic algorithm در نشریات گروه فنی و مهندسی
  • ملیکا خاشعی، مسعود تابش*، سید احمدرضا شاهنگیان، مهناز عباسی

    توجه به حفظ منابع آبی به منظور جلوگیری از مواجه شدن با بحران آب، یکی از مهم ترین وظایف عموم افراد جامعه از مسئولان است. در این خصوص مهمترین اقدامی که می تواند در عبور از بحران های آبی موثر باشد، مدیریت تقاضای آب است که روش های متفاوتی برای آن وجود دارد. یکی از این روش ها مدیریت فشار در راستای مدیریت تقاضا است که می تواند در شرایط عادی بهره برداری و همچنین شرایط وجود بحران کم آبی استفاده شود. از سوی دیگر در شرایط بحرانی که آب در دسترس، تقاضای کل را برآورده نمی کند، سیاست هایی مانند جیره بندی و تامین آب به روش نوبتی اتخاذ می شود که با مشکلات فراوانی همراه است. بنابراین نیاز به روشی جایگزین که معایب جیره بندی را حداقل کند و نیز اهداف مدیریت تقاضا را برآورده کند و در عین حال قابل اجرا، زودبازده و اقتصادی باشد احساس می شود. در این پژوهش، به کمک یک مدل ترکیبی شبیه سازی و بهینه سازی که با تلفیق نرم‎افزارهای EPANET2.2 وMATLAB ایجاد شد، تاثیرات اتخاذ رویکرد مدیریت تقاضای آب با استفاده از تنظیم فشار در حالت عادی و کمبود آب، بر هیدرولیک شبکه توزیع بررسی شد. بهینه سازی در این پژوهش در دو حالت انجام شد که در هر حالت تابع هدف متفاوتی تعریف شد. برای بهینه سازی نیز از الگوریتم ژنتیک استفاده ‎شد. مدل توسعه یافته بر روی شبکه توزیع آب شهر جدید بهارستان واقع در استان اصفهان تحلیل شد و نتایج به‎دست آمده نشان داد، مدل توانسته با استفاده از یافتن مکان و فشار تنظیمی بهینه برای شیرهای فشارشکن، در شرایط عادی، فشار متوسط شبکه را تا 8 متر کاهش دهد و در شرایط وجود کمبود، آب در دسترس را به صورت عادلانه میان گره های تقاضا توزیع کند. به طوری که پس از تحمیل کمبود 8 درصدی به شبکه، بدون اعمال برنامه مدیریت فشار، 8 گره مصرف کمبودی بین 15 تا 30 درصد و 19 گره کمبود زیر 5 درصد را تجربه کردند. در حالی که پس از بهینه سازی فشار توسط مدل تنها 3 گره تقاضا کمبودی بین 15 تا 25 درصد و 6 گره کمبود زیر 5 درصد را تجربه کردند.

    کلید واژگان: مدیریت تقاضا، مدیریت فشار، شبکه توزیع آب، شبیه سازی، الگوریتم ژنتیک
    Melica Khashei, Massoud Tabesh *, Seyyed Ahmadreza Shahangian, Mahnaz Abbasi

    Paying attention to the conservation of water resources in order to prevent water crises is one of the most important duties of people in the community, including officials. In this regard, the most effective action is water demand management, for which there are different methods. One of these methods is pressure management in order to demand management, which can be used in normal operating conditions as well as in the event of water scarcity. On the other hand, in critical situations where the available water does not meet the total demand, policies such as intermittent water supply are adopted, which are associated with many problems. Therefore, an alternative method is needed to minimize the disadvantages of intermittent water supply,to meet the objectives of demand management and, at the same time is feasible, efficient, and economical. In this research, a combined simulation and optimization model is created by using EPANET2.2 and MATLAB software. With this model, the effects of adopting a water demand management approach using pressure management on the hydraulics of water distribution networks will be investigated. In this research, optimization is done in two approaches. In each case, a different objective function is defined and a genetic algorithm is used for optimization. The developed model has been analyzed on the WDN of Baharestan city located in Isfahan province. The results show that the model is able to reduce the average network pressure by 8 meters by finding the optimal location and adjusting pressure for pressure-reducing valves under normal conditions. Also, during water scarcity, it is able to distribute the available water among the demand nodes considering equity and justice principles. After imposing an 8% deficit on the network, without applying for a pressure management program, 8 demand nodes experienced a shortage between 15 and 30% and 19 experienced a deficit below 5%. However, after optimizing the pressure, only 3 demand nodes experienced a shortage between 15 and 25% and 6 nodes experienced a shortage of less than 5%.

    Keywords: Demand Management, Pressure Management, Water Distribution Network, Simulation, Genetic Algorithm
  • فرهاد صالحی، محسن نجارچی*، محمدمهدی نجفی زاده، محمد میرحسینی

    نظر به اینکه مدیریت بهینه مخازن و سرریزها در زمان وقوع سیلاب به عنوان یک روش غیرسازه ای برای حفظ منابع آب، از اهمیت ویژه ای برخوردار می باشد، به همین منظور در این تحقیق ابتدا یک فرمان بهره برداری چند مرحله ای برای بهره برداری از دریچه های سرریز در سدها تحت دو رویکرد مختلف شبیه سازی شده اند. از ویژگی های مثبت مدل ها عدم نیاز به پیش بینی کامل هیدروگراف سیل است. این ویژگی دامنه کاربری مدل های پیشنهادی را بسیار وسیع و عملیاتی می کند. سپس بهینه سازی ترازهای بحرانی و میزان بازشدگی دریچه ها تحت هر دو رویکرد با استفاده از الگوریتم ژنتیک انجام شده است. جهت صحت عملکرد مدل های بهینه پیشنهادی و مقایسه آنها با یکدیگر، مطالعه موردی سد مخزنی کرخه در دنیای واقعی به کار گرفته شد. نتایج حاصله نشان داد نه تنها هر دو مدل جواب های بهتری نسبت به مدل های بهره برداری پیشین ارایه می دهند؛ بلکه در رویکرد دوم، پیک سیلاب خروجی دارای درجه فروکش بیشتری نسبت به رویکرد اول می باشد و علاوه بر این، امکان ذخیره بیشتری از حجم سیلاب ورودی به مخزن و کاهش بیشتر خسارات سیلاب در پایین دست سد توسط هر دو رویکرد فراهم می شود.

    کلید واژگان: مدیریت بهینه مخازن، سیلاب، شبیه سازی، بهینه سازی، الگوریتم ژنتیک
    FARHAD SALEHI, Mosen Najarch *, Mohammad Mehdi Najafizade, Mohammad Mirhossine

    The paper demonstrates a simulation-optimization framework for enhancing the real-time flood control with gated spillways at places where no flood forecasting data is available. A multi-objective modeling scheme is presented for flood management in a gated spillway in which the operator may specify the priorities on floods based on their different return periods. Two different operation strategies are devised. Both of the operating strategies employ ten-stage policies, which mainly rely on the reservoir water level as the input data. The second strategy benefits from both observed reservoir water level and flood peak. The optimal values of the models parameters are obtained using genetic algorithm. This is a novel approach because none of its policies needs flood forecasting data, thus, making them adaptable to any flood with any return period. To evaluate the performances of the proposed models, the flood control through gated spillway of Karkheh reservoir is considered where flood hydrographs with different return periods are routed through the reservoir.

    Keywords: Flood hydrograph, Simulation, Optimization, Genetic Algorithm
  • جمشید پیری*، بهاره پیرزاده، بهروز کشته گر، محمد گیوه چی

    مقاله حاضر به برنامه ریزی بهینه ایستگاه پمپاژ فاضلاب در شرایط جریان متغیر با مدل ترکیبی الگوریتم ژنتیک و شبکه عصبی می پردازد. این تحقیق بر سرعت دورانی پمپ و الگوی مکرر دبی جریان ورودی تمرکز دارد. با توجه به داده های اندازه گیری شده در ایستگاه پمپاژ زابل بصورت ساعتی، خواص آماری دبی با توزیع لوگ نرمال شبیه سازی می شود. بر اساس روش بهینه بر گرفته از الگوریتم ژنتیک، روابط هیدرولیکی مربوط به پمپاژ، متغیر های دبی، هد، توان و راندمان طرح بهینه می گردد. بر اساس داده ای بهینه حاصل از طراحی شامل مدل دبی پمپاژ، دبی ورودی، ارتفاع استاتیکی و ارتفاع پمپاژ ، یک مدل شبکه عصبی برای شبیه سازی سرعت دوران پمپ توسعه داده می شود. در واقع داده های حاصل از مدل ترکیبی شبکه عصبی و الگوریتم ژنتیک، میزان انرژی بهینه شده و راندمان پمپ محاسبه می گردد. نشان داده میشود که نتایج جریان متغیر، راندمان بالاتری نسبت به جریان ثابت دارد. نتایج به-خوبی دقت شبکه عصبی را در شبیه سازی میزان سرعت دوران پمپ نشان می دهد. میزان R2 در ایستگاه پمپاژ زابل از 97/0 تا 1 تغییر کرد.

    کلید واژگان: ایستگاه پمپاژ زابل، الگوریتم ژنتیک، شبکه عصبی، سرعت دوران پمپ
    Jamshid Piri *, Bahareh Pirzadeh, Behrooz Keshtegar, Mohammad Givehchi

    The sewage pumping station (SPS) serves as the most important structure for the sewage disposal system. The acceptable performances of SPS for reliable design and optimal energy consumption under uncertainties are of great importance for the transformation of wastewater. At a sewage pumping plant, pumps are commonly used on various lines to provide additional head to transport domestic and non-domestic sewage out of towns and villages or to the entrances of treatment plants. Today, the issue of energy management and consumption efficiency is one of the major challenges in water resources and wastewater treatment systems. This dissertation focuses on the planning of sewage pumping energy optimization, which is subject to changes in the rotational speed of the pump and the frequent pattern of inlet flow rate and, the energy consumption of pumping system of Zabol Wastewater treatment plants (WWTPs) was determined and compared using constant speed and optimal speed of pumping rotation. Several models as machine learning approaches were developed to approximate the efficiency of the pumping system in multi-objective optimization approaches (Gao et al., 2012; Marques et al., 2015; Puleo et al., 2014; Wu et al., 2013). It is shown by results from Refs. (Castellet-Viciano et al., 2018; Guo et al., 2014; Molinos-Senante et al., 2013; Pannirselvam and Gopalakrishnan, 2015) that machine learning approaches have high-ability for accurate approximation of energy cost for wastewater treatment. The artificial neural network (ANN) was utilized to estimate the energy efficiency and flow rate for optimization of pumping station (Achieng, 2019; Jamieson et al., 2007; Rao and Alvarruiz, 2007). Using ANN, Rao, and Alvarruiz, 2007 (Rao and Alvarruiz, 2007) approximated the hydrostatic pressures, tank-storage water levels, flow rate, and energy consumption for pumping networks. There conducted that the ANN was reduced the computational burdens about 10-time compared to conventional methods. Using input variables of demand conditions, control settings, and initial starting conditions, Jamieson, 2007 (Jamieson et al., 2007) applied ANN for predictions of storage levels, hydrostatic pressures, and flow rates. Torregrossa et al., 2018 (Torregrossa et al., 2018) simulated the energy consumption using ANN for the pumping station of wastewater and concluded that the ANN was performed with highaccuracy compared to the mathematical relations. For simulating the pumping systems, artificial intelligence techniques are useful tools to reduce computational burdens.optimized the energy of the pumping system using three performance strategies including i) minimizing power consumption, ii) balancing the flow rate, and iii) maximizing efficiency pumping system. Thus, the optimum condition for pumps, which can be determined based on soft computing approach using energy consumption, can be used to approximate the failure modes of SPS in reliability analysis. Therefore, variable speed control was determined for a single-pump pumping station and the optimal rotation speed of the pump was determined using a hybrid optimization model, based on the pump on/off sequence. Then, a machine learning process based on the combined reliability method was developed to estimate the probability of pump failure under the multi-probability performance function and based on the optimal energy conditions of the pumping system. Hourly data measured at Zabol pumping station was generated using the Monte Carlo method based on a probabilistic model in minutes. Comparison of coefficient of determination (R2) of real and computational data showed that the probabilistic normal log model in both Zabol plant of 0.98. In the next step, using the genetic algorithm, the optimal values of the variables of flow rate, load, and power of the pump and thus the efficiency of the pump were calculated. The efficiency resulted from the optimal rotation and the constant rotation for both Zabul stations was 0.86, .In the next step, using the neural network (ANN) model pump rotation speed is simulated based on input variables including pumping flow rate, inlet flow rate, and static height and pumping height. The results showed the accuracy of the models in simulating the pump rotation speed. The value of R2 at the Zabul pumping plant changed from 0.97 to 1 for the ANN method.

    Keywords: Sewage pumping plant, Variable flow, Energy optimization, Genetic Algorithm, Neural Networks
  • سمیه جنت رستمی*، علی صلاحی، فاطمه یوسفی
    یک شبکه چاه های پایش مناسب می تواند داده های کمی و کیفی ارزشمندی برای تصمیم ‍گیری آگاهانه در مورد وضعیت محیط زیست فراهم کند. انتخاب تعداد بهینه چاه های پایش و توزیع مکانی آن ها بزرگترین چالش هیدروژیولوژیست ها است. از سوی دیگر، توزیع نامناسب چاه های پایش یا تعداد ناکافی آن ها به درستی وضعیت زیست محیطی منطقه را نشان نمی دهد. در این مطالعه شبکه پایش فعلی در منطقه موردمطالعه با توجه به نتایج شبیه سازی مدل های MODFLOW و MT3D ارزیابی شد و سپس در ادامه شبکه پایش با توجه به چاه های موجود در منطقه با روش بهینه سازی توسعه ‎یافته در این مطالعه طراحی شد. مدل بهینه سازی شامل دو تابع هدف حداکثر کردن ضریب نش- ساتکلیف و حداقل کردن هزینه ها به طور همزمان است که با اعمال ضریب وزنی W به صورت یک تابع هدف تعریف شد. از الگوریتم ژنتیک برای حل مدل بهینه سازی استفاده شد. نتایج ارزیابی ها نشان داد که انتخاب جواب بهینه وابستگی زیادی به مقدار ضریب وزنی W دارد. بنابراین بهترین مقدار W با توجه به برقراری یک رابطه قابل قبول بین هزینه و پراکنش مکانی چاه ها در منطقه انتخاب می شود. در ادامه برای انتخاب بهترین جواب از شاخص های PBIAS ،RMSE و ضریب رگرسیون نیز استفاده شد که مقادیر این شاخص ها در این مطالعه قابل قبول بوده است. همچنین، بزرگ تر بودن میانگین مقادیر TDS بهینه از میانگین مقادیر TDS مشاهده ای نشان می دهد که شبکه بهینه، داده های کیفی آب زیرزمینی مناطق آلوده تر را فراهم می کند. روش ارایه شده در این مطالعه برای سایر آلاینده ها باید مورد ارزیابی و صحت سنجی قرار گیرد.
    کلید واژگان: الگوریتم ژنتیک، بهینه سازی، MODFLOW، MT3D
    Somaye Janatrostami *, Ali Salahi, Fatemeh Usefi
    A properly monitoring well network can provide quantity and quality data needed to make informed decision making about the state of the environment. The selection of the optimum number of monitoring wells and their spatial distribution is a major challenge for the hydrogeologist. On the other hand, improper distribution of monitoring wells or an insufficient number of them does not properly represent the state of the environment. In this study, the current monitoring network in the study area was evaluated according to the simulation results of MODFLOW and MT3D models. Then, the monitoring network was designed based on the wells in the area with the optimization method developed in this study. The optimization model consists of two objective functions to maximize the Nash Sutcliffe coefficient and to minimize the costs simultaneously, which was defined as one target function by applying the weighting factor W. Genetic algorithm was used to solve the optimization model. The results showed that the finding of the optimal value depends on the value of the weight coefficient (W). Therefore, the best value of W is selected according to an acceptable trade-off between cost and spatial distribution of wells in the area. To choose the best solution, PBIAS, RMSE, and regression coefficients were used in which their values were acceptable in this study. Also, the higher the average optimal TDS values than the average observed TDS values indicated that the optimal network could provide groundwater quality data for more polluted areas. The method presented in this study for other pollutants should be evaluated and validated.
    Keywords: Genetic Algorithm, optimization, MODFLOW, MT3D
  • سید میثم میرکاظمی، نوید جلال کمالی*، محسن ایراندوست
    در این مطالعه تولید نقشه های مناطق مستعد سیل با بهینه سازی مدل ماشین بردار پشتیبان (SVM) با استفاده از الگوریتم های بهینه سازی فراابتکاری ازدحام ذرات (PSO)، ژنتیک (GA) و کلونی مورچگان (ACO) در حوضه آبریز زاهدان صورت گرفته است. برای تعیین بهترین فاکتورهای تاثیرگذار بر سیل، از بین 19 فاکتور مورداستفاده در مطالعات قبلی و اهمیت نسبی متغیرهای ورودی از دو آزمایش روش نسبت کسب اطلاعات (IGR) و آزمایش چندخطی بودن پارامترها استفاده شد.  فاکتور میزان محتوای آب در خاک که جزو عوامل موثر با ضریب IGR=0.767 است، برای اولین بار در این مطالعه به صورت مستقیم در مدل سازی مورداستفاده قرار گرفت. نقشه مشخصه سیل از روی پردازش داده های ماهواره Sentinel-1 تهیه و اعتبارسنجی شد. از مجموعه داده های تولید شده برای تولید نقشه های مناطق مستعد سیل با استفاده از مدل SVM بهینه سازی شده با الگوریتم های مذکور استفاده شد که برای اولین بار، در این تحقیق از الگوریتم ACO برای بهینه سازی مدل SVM در تولید نقشه های مناطق مستعد سیل استفاده شد. دقت پیش بینی مدل ها با استفاده از معیارهای آماری بررسی گردید. هر سه الگوریتم مورداستفاده در این مطالعه، عملکرد SVM را به ‏طور متوسط 4 درصد بهبود بخشیدند درحالی که مدل PSO-SVM بهترین عملکرد را با RMSE=0.158، MSE=0.025، AUC=0.953 و StD=0.405 در میان الگوریتم های دیگر به نمایش گذاشت؛ همچنین مشخص شد تقریبا نیمی از منطقه شهری زاهدان در مناطق خطر متوسط تا بسیار زیاد قرار دارند.
    کلید واژگان: مناطق مستعد سیل، ماشین بردار پشتیبان، الگوریتم بهینه سازی ازدحام ذرات، الگوریتم بهینه سازی ژنتیک، الگوریتم بهینه سازی کلونی مورچگان
    S.Meisami Mirkazemi, Navid Jalal Kamali *, Mohsen Irandoost
    This study describes optimization of Support Vector Machine (SVM) using meta-optimization algorithms including the Particle Swarm Optimization (PSO), Genetic Algorithm (GA) and Ant Colony optimization for flood susceptibility mapping at Zahedan Basin. To determine the best factors among the 19 factors used in previous studies and the relative importance of input variables, two experiments of Information Acquisition Ratio (IGR) and multilinearity of parameters were used soil moisture content factor which is identified as a highly effective factor (IGR=0.767),  is used directly in this study for the first time. The flood inventory map was prepared from Sentinel-1 satellite data processing and validated. The generated data set was used to map the flood prone areas using SVM model optimized with the mentioned algorithms. For the first time, in this research, ACO algorithm was used to optimize SVM model. The prediction accuracy of the models was evaluated using statistical criterion. All three algorithms used in this study improved SVM performance by 4% in average, while the PSO-SVM model had the best performance among the others with AUC=0.953, MSE=0.025, RMSE=0.158 and StD=0.405.
    Keywords: Spatial Flood Prone Areas, Support Vector Machine, Particle Swarm Optimization, Genetic Algorithm, ant colony optimization
  • Ali Azizpor, Ahmad Rajabi *, Fariborz Yosefvand, Saeid Shabanlou
    In the current study, a new hybrid of the genetic algorithm (GA) and adaptive Neuro-fuzzy inference system (ANFIS) was introduced to model the discharge coefficient (DC) of triangular weirs. The genetic algorithm was implemented for increasing the efficiency of ANFIS by adjusting membership functions as well as minimizing error values. To evaluate the proficiency of the proposed hybrid method, the Monte Carlo simulations (MCS) and the k-fold validation method (k=5) was applied. The results of developed hybrid model indicate that the weir vortex angle, flow Froude number, the ratio of the weir length to its height, the ratio of the channel width to the weir length and ratio of the flow head to the weir height are the most effective parameters in the DC estimation. The quantitative examination of the proposed hybrid method indicates that the Root Mean Square Error (RMSE) and Mean Absolute Percent Error (MAPE) are as 0.016 and 1.647 (respectively) for the superior model. Besides, the Froude number is found as the most effective variable in DC modeling through the quantitative analysis. A comparison of the developed hybrid ANFIS-GA with the individual ANFIS model in the DC estimation indicates the hybrid model outperformed than the individual one.
    Keywords: ANFIS, Discharge Coefficient, Genetic Algorithm, Hybrid model, Triangular in Plan Weirs
  • اردوان دوانی مطلق، محمدصادق صادقیان*، امیرحسین جاوید، محمدصادق عسگری

    با توجه به افزایش جمعیت، کمبود و محدودیت شدید منابع آب، یکی از گام های اساسی در زمینه مدیریت و برنامه ریزی آب بهینه سازی مخازن می باشد. در پژوهش حاضر، پس از معرفی الگوریتم بهینه سازی گرگ خاکستری، عملکرد این الگوریتم به تنهایی و در حالت ترکیب با الگوریتم ژنتیک در مساله ی بهینه سازی بهره برداری از مخزن سد طالقان ارزیابی شده است. تابع هدف به صورت حداقل سازی مجموع مجذور کمبودهای نسبی در تخصیص به آن در هر ماه و ماکزیمم کردن اعتمادپذیری، در طول دوره آماری 11 ساله ی 1388 تا 1398 تعریف گردید. همچنین محدودیت های معادله ی پیوستگی مخزن، حجم ذخیره ی مخزن و حجم رهاسازی مخزن بر تابع هدف مساله اعمال شدند. نتایج به دست آمده از شاخص های ارزیابی عملکرد مدل ها نشان دادند از نظر شاخص های اطمینان پذیری زمانی و آسیب پذیری و پایداری الگوریتم هیبریدی گرگ خاکستری - ژنتیک با 72.73 ، 0.28 ، 24.66 بهتر از الگوریتم گرگ خاکستری با 68.93 ، 0.29 ، 21.48 و الگوریتم ژنتیک با 66.66 ، 0.41 ، 21.34 می باشد.

    کلید واژگان: بهینه سازی، سد طالقان، الگوریتم گرگ خاکستری، الگوریتم ژنتیک
    Ardavan Davani Motlagh, Mohammad Sadegh Sadeghian *, Amir Hossein Javid, Mohammad Sadegh Asgari

    Due to population growth, shortage and severe limitation of water resources, one of the basic steps in water management and planning is reservoir optimization. In the present study, after the introduction of the Gray Wolf optimization algorithm, the performance of this algorithm alone and in combination with the genetic algorithm in optimizing the operation of the Taleghan Dam reservoir has been evaluated. The objective function is to minimize the total squares of relative deficiencies in allocating to it each month and maximize reliability throughout the 11-year transition period from 2009 to 2017. Also, the constraints of reservoir continuity equation, reservoir storage volume and reservoir release volume were applied to the objective function of the problem. The results obtained from the performance evaluation indices of the models showed that in terms of time reliability, vulnerability and sustainability indices, the gray wolf-genetic hybrid algorithm with 72.73, 0.28, 24.66 is better than the gray wolf algorithm with 68.93, 0.29, 21.48 and the algorithm. Genetics with 66.66, 0.41, 21.34.

    Keywords: Optimization, Taleghan Dam, Grey wolf optimization algorithm, Genetic Algorithm, Grey-wolf-genetic hybrid algorithm
  • محمدحسن دهقانی پور، حمیدرضا قزوینیان، امیرحسین دهقانی پور*

    در این تحقیق، مدل های شبیه سازی روزانه تبخیر از تشت با استفاده از شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی و یک رابطه تجربی بهینه سازی شده بر پایه الگوریتم ژنتیک، با 13 ترکیب ورودی از متغیرهای هواشناسی یعنی میانگین دمای روزانه، دمای بیشینه و کمینه، رطوبت نسبی، ساعات آفتابی و سرعت باد توسعه داده شد. این مدلها برای شبیه سازی تبخیر در ایستگاه های سمنان، شاهرود و رشت با شرایط اقلیمی خشک، نیمه خشک و بسیار مرطوب به کار گرفته شد. پس از ارزیابی کمی مدلها، ترکیب ورودی شامل دما، رطوبت نسبی، ساعات آفتابی و سرعت باد برای مدلهای شبیه سازی تبخیر، با ضریب همبستگی بین 0.56 تا 0.85، ریشه میانگین مربعات خطا بین 1.1 تا 2.6 میلی متر و پی بایاس 1 تا 29.5 درصد، به عنوان ترکیب ورودی برتر انتخاب شد. با انجام آنالیز حساسیت مدلهای توسعه داده شده، دما و سپس رطوبت نسبی، به عنوان متغیرهای حساس برای شبیه سازی تبخیر انتخاب شدند. همچنین رابطه تجربی بهینه سازی شده با ترکیب ورودی برتر، توانایی بیشتری برای شبیه سازی مقادیر میانگین و انحراف معیار تبخیر از خود نشان داد و این مدل به عنوان مدل برتر انتخاب شد. در نهایت توانایی مدل برتر به همراه ترکیب ورودی برتر در شبیه سازی تشت تبخیر سه ایستگاه گرمسار (خشک)، دامغان (نیمه خشک) و رامسر (بسیار مرطوب)، با ضرایب همبستگی 0.6 تا 0.84، ریشه میانگین مربعات خطا 1.29 تا 3.16 میلی متر و پی بایاس 2.1 تا 9.2 درصد، مورد تایید قرار گرفت.

    کلید واژگان: هوش مصنوعی، شبکه های عصبی، الگوریتم ژنتیک، تبخیر، ایران
    MohammadHassan Dehghanipour, Hamidreza Ghazvinian, Amirhossein Dehghanipour *

    In this study, daily simulation models of pan evaporation were developed using a multilayer perceptron neural network, a radial basis function, and an optimized experimental relationship based on the genetic algorithm with 13 input combinations of climate variables, i.e., average daily temperature, maximum and minimum temperature, relative humidity, sunshine hours and wind speed. These models were applied to simulate evaporation in Semnan, Shahrud, and Rasht stations with dry, semi-dry, and very wet climatic conditions, respectively. The best input combination for simulation models was selected based on the quantitative evaluation results; i.e temperature, relative humidity, sunshine, and wind speed which had a correlation coefficient between 0.56 to 0.85, root mean square error between 1.1 to 2.6 mm, and the PBIS coefficient between 1 to 29.5%. The results of the developed models' sensitivity analysis showed that temperature and then relative humidity are sensitive parameters for evaporation simulation. The optimized experimental relationship with the best input combination among the evaporation simulation models had a greater ability to simulate the mean ​​and standard deviation of evaporation, and the model was selected as the best model. Finally, the ability of the best model with the best input combination was confirmed by its application to simulate the evaporation pan in three stations Garmsar (dry), Damghan (semi-dry), and Ramsar (very wet), resulted in correlation coefficients of 0.6 to 0.84, root mean square errors of 1.29 to 3.16 mm and PBIS coefficients of 2.1 to 9.2%.

    Keywords: Artificial intelligence, Neural Networks, Genetic Algorithm, Evaporation, Iran
  • سجاد خلیلی، مسعود تابش*، الهام قائمی

    آلوده شدن آب آشامیدنی به عنوان یک تهدید برای امنیت آب در سراسر جهان شناخته می شود. در شبکه های توزیع آب، آلودگی پس از ورود به شبکه به سرعت گسترش یافته و خطرات بهداشتی و جانی برای جامعه ایجاد می کند. با استفاده از مجموعه ای از حسگرها که غلظت کلر یا هر ماده شیمیایی دیگر را گزارش دهند، می توان مشاهدات مفیدی برای تشخیص، شناسایی و مدیریت آلودگی ارایه داد. از جمله بر اساس این مشاهدات می‎توان محل، زمان و غلظت آلودگی ورودی به شبکه را تعیین و به تصمیم گیرندگان اعلام کرد. در این پژوهش برای حل مسئله تعیین مشخصات منبع آلودگی، از یک رویکرد شبیه سازی-بهینه سازی استفاده می شود که در آن نرم افزار شبیه سازی شبکه های آب تحت فشار EPANET به عنوان شبیه ساز و الگوریتم ژنتیک به عنوان بهینه ساز به کار رفته است. مدل توسعه یافته در این پژوهش، بر روی EPANET Example 3 اجرا شد. در مدل سازی شبکه های توزیع آب از اطلاعاتی به عنوان داده های ورودی استفاده شد که می توانند سبب بروز خطا در شبیه سازی مدل شوند. زبری لوله ها و نرخ زوال کلر ازجمله این ورودی ها هستند. مدل برای پیدا کردن مکان، زمان و غلظت آلودگی ورودی اجرا شده و تاثیر زبری لوله ها و نرخ زوال کلر بر جواب های مدل بررسی شده است. سناریوی ورود آلودگی بر روی شبکه اعمال شده و مدل ارایه شده در پیدا کردن مکان و زمان آلودگی کاملا دقیق است. با افزایش متغیرها، مدل مکان و زمان ورود آلودگی را به درستی ارزیابی کرده، اما در ارزیابی غلظت آلودگی دقت کامل را ندارد و غلظت آلودگی با انحراف از معیار 1/8%-8/4%=σ محاسبه می شود.

    کلید واژگان: آلودگی، شبکه های توزیع آب، الگوریتم ژنتیک، تحلیل هیدرولیکی، زبری لوله ها، نرخ زوال کلر
    Sajad Khalili, Massoud Tabesh *, Elham Ghaemi

    Contamination of drinking water is known as a major threat of water security around the world. As contamination enters a water distribution network, it spreads rapidly into the network and poses health and safety risks to the community. Using a set of sensors to report the concentration of chlorine or any other chemical, useful observations can be made to detect, identify and manage pollution. Based on these observations, location, concentration and start time of contamination can be determined and decision makers can be informed. In this paper, a simulation-optimization approach is used to solve the problem of contamination source characterization in which the EPANET software is used as a simulator and the Genetic Algorithm is used as an optimizer. The model developed in this paper is implemented on EPANET example 3. Modeling of water distribution networks uses information as input data which can cause error in model simulation. Pipe roughness and chlorine deterioration rate are among these inputs. The model has been implemented to find the location, start time and concentration of inlet pollution and the effect of pipe roughness and chlorine deterioration rate on the model responses have been investigated. The pollution entry scenario is applied to the network and the model presented is accurate in finding the location and time of the contamination. As the variables increase, the model accurately estimates the location and time of entry of the contamination but does not have complete accuracy in estimating the concentration of contamination, which is calculated with standard deviation of σ = 4.8% -8.1%.

    Keywords: Contamination, water distribution networks, Genetic Algorithm, Hydraulic Simulation Method, Pipe Roughness, Chlorine Deterioration Rate
  • هیدی محمودپور، سمیه جنت رستمی*، افشین اشرف زاده
    بهره برداری بدون برنامه ریزی و بیش از حد مجاز آب زیرزمینی در نواحی ساحلی خطر پیشروی آب شور را افزایش می دهد، بنابراین مدیریت و پایش کیفیت آب در این نواحی از اهمیت بالایی برخوردار است. در این مطالعه، شبکه پایش بهینه با حداقل تعداد چاه ها در آبخوان ساحلی تالش با توجه به نقشه آسیب پذیری آبخوان و ارزیابی دقت شبکه پایش طراحی شد. در این راستا، نقشه آسیب پذیری آبخوان با استفاده از شاخص DRASTIC اصلاح شده تهیه شد و از الگوریتم ژنتیک برای جستجوی بهینه شبکه پایش استفاده شد. در مدل بهینه سازی هم زمان سه هدف حداکثر کردن همبستگی بین شاخص آسیب پذیری و مقدار EC، حداقل کردن تعداد چاه های پایش و حداکثر کردن ضریب نش-ساتکلیف که بیانگر برازش بین توزیع EC محاسبه شده در شبکه پایش موجود و شبکه جدید است، مورد بررسی قرار گرفت. با اعمال ضریب وزنی w برای هدف اقتصادی، سه هدف در یک تابع هدف تعریف شد و وزن های مختلف w ارزیابی شد. نتایج نشان داد که انتخاب جواب بهینه تا حد زیادی به تعیین ضریب وزنی w بستگی دارد و بهترین وزن با توجه به متعادل ترین جواب و با توجه به شاخص آسیب پذیری و دقت شبکه پایش انتخاب شد. نتایج اعتبارسنجی نشان داد که در هر دو دوره بهینه سازی و اعتبارسنجی تخمین های قابل قبولی حاصل شده است. همچنین با توجه به تغییرات کمی و کیفی آب زیرزمینی در درازمدت بهتر است به صورت دوره ای شبکه پایش کیفی آب زیرزمینی ارزیابی و دوباره طراحی شود تا در برنامه ریزی ها و اعمال روش هایی برای بهبود کیفیت آب زیرزمینی موثر باشد.
    کلید واژگان: آبخوان ساحلی، DRASTIC اصلاح شده، بهینه سازی، الگوریتم ژنتیک
    Hedi Mahmoudpour, Somaye Janatrostami *, Afshin Ashrafzadeh
    Unplanned operation and excessive extraction of groundwater in coastal areas increases the risk of seawater intrusion; so water quality monitoring and management in these areas are of great importance. In this study, an optimal monitoring network with minimum number of wells in Talesh coastal aquifer is designed according to the aquifer vulnerability map and evaluation of the accuracy of monitoring network. In this regard, the aquifer vulnerability map was prepared using the modified DRASTIC index; and genetic algorithm was used to optimize the monitoring network. Three objectives were used in the optimization model including (1) maximizing the correlation between vulnerability index and EC values, (2) minimizing the number of monitoring wells, and (3) maximizing the Nash-Sutcliffe (NS) efficiency. NS, represented the match between the calculated EC distribution obtained from existing monitoring wells and those wells from the newly generated network. Applying the weighting factor w for economic objective, the three above-mentioned objectives are integrated in a single objective function and different weights of w were evaluated. The results showed that the selection of an optimal solution greatly depends on the weighting coefficient w and the best weight was selected according to the vulnerability index and the accuracy of monitoring network. Due to long-term quantitative and qualitative changes in groundwater, it is better to periodically evaluate and redesign groundwater quality monitoring network so that the network could effectively use in planning and applying methods to improve groundwater quality.
    Keywords: Coastal Aquifer, Modified DRASTIC, optimization, Genetic Algorithm
  • امید زندی، بنفشه زهرایی*، محسن ناصری
    تخمین دقیق توزیع مکانی بارش در بسیاری از فرآیندهای برنامه ریزی و مدیریت بهره برداری از منابع آب و فعالیت های کشاورزی، نقش کلیدی ایفا می کند. در این تحقیق، به منظور تخمین ماهانه بارش با دقت مطلوب مکانی، مدلی بر پایه چهارچوب PRISM مبتنی بر الگوی ارتفاعی و سایر خصوصیات مکانی، توسعه داده شد و در حوضه آبریز سفیدرود و در بازه زمانی سال آبی 1379 الی 1394 پیاده سازی شد. در گام اول نتایج حاصل از این روش در مقیاس ماهانه با روش بهبود یافته معکوس فاصله وزندار2 مقایسه شد. با توجه به درجه آزادی های موجود در هر دو روش، پارامترهای این دو روش ابتدا در مقیاس زمانی سالانه با استفاده از الگوریتم ژنتیک بهینه یابی شده و از مجموعه پارامترهای بدست آمده به منظور تخمین عملکرد آماری مدل ماهانه از طریق اعتبار سنجی3 متقابل استفاده شد. بر اساس نتایج ماهانه محاسبه شده، هر دو مدل در تخمین مقدار بارش در محل ایستگاه ها، عملکردی نزدیک داشتند. اما علیرغم این عملکرد تقریبا یکسان، توزیع مکانی بارش محاسبه شده توسط روش مبتنی بر PRISM از انطباق بهتری نسبت به الگوی توپوگرافی و شواهد موجود برخوردار است. در گام بعدی عملکرد این مدل در تخمین میانگین بارش ماهانه با روش کریجینگ معمولی مقایسه شد، نتایج مدل توسعه داده شده در ماه های پربارش و روش کریجینگ در ماه های خشک مطلوب تر ارزیابی می شود. . با توجه به حجم اندک بارش های تابستانه، PRISM ابزار مناسب تری نسبت به کریجینگ به منظور درورن یابی مکانی بارش شناخته شد.
    کلید واژگان: درون یابی مکانی بارش، الگوریتم ژنتیک، معکوس فاصله وزن دار، حوضه آبریز سفیدرود، کریجینگ
    Omid Zandi, Banafsheh Zahraie *, Mohsen Nasseri
    Accurate spatial estimation of precipitation plays a key role in many hydrological modelling, water resources planning and agricultural management studies. In order to estimate high-resolution precipitation in the current research, an estimation model based on PRISM framework considering Digital Elevation Model (DEM) and other spatial attributes is developed and applied to Sefidroud basin during the years 2000-2015. In the first step, the monthly results were compared with modified Inverse Distance Weighted (IDW) as a benchmark method. Considering both models’ degrees of freedom, the parameters are calibrated with Genetic Algorithm in annual time scale and the obtained parameters are utilized to estimate model monthly cross validation error. According to the monthly results, both models had roughly same statistical performance in estimating precipitation at the selected rain gauges. In spite of similar statistical performance of the models, the spatial distribution of precipitation provided by the PRISM based method is more consistent with topographic pattern and existing evidences. In the next step the proposed model’s ability to estimate mean monthly precipitation is compared with ordinary kriging method and according to the results, in wet months the developed model and in dry months kriging method represents more optimal results. According to small amount of summer precipitation, PRISM based approach is considered to be a better tool for spatial interpolation of precipitation than kriging.
    Keywords: Spatial Interpolation of Precipitation, Genetic Algorithm, Inverse distance weighted, Sefidroud Watershed, Kriging
  • الهام درویشی*، فاطمه فرهنگیان
    در شبکه های توزیع آب، نشت موجب هدررفت و کاهش فشار می شود. روش های شناسایی نشت مختلفی در شبکه ها مورد استفاده قرار می گیرند. از جمله این روش ها الگوریتم های فراکاوشی هستند که در سال های اخیر مورد توجه زیاد محققین قرار گرفته اند. در نرم افزار تجاری WaterGEMS امکان طراحی بهینه، کالیبراسیون و نشت یابی شبکه توزیع آب با استفاده از الگوریتم ژنتیک وجود دارد. در این مقاله با استفاده از ابزار Darwin Calibrator در نرم افزار WaterGEMS V8i امکان نشت یابی WaterGEMS در دو شبکه فرضی (پولاکیس و انی‎تاون) مورد بررسی قرار گرفت. در شبکه پولاکیس که فشار ثبت شده در گره ها به‎عنوان داده مشاهداتی به نرم افزار معرفی شد، محل نشت توسط نرم‏افزار در محل دقیق و یا در مجاورت آن تعیین شده است. اما در شبکه انی‎تاون دبی ورودی نیز به عنوان داده های مشاهداتی به برنامه معرفی شد که محل و مقدار نشت با دقت بالاتری توسط نرم افزار محاسبه شد. این نتایج مشابه نشت یابی انجام شده با الگوریتم کلونی مورچه ها است. بنابراین، WaterGEMS ابزاری مناسب برای مهندسین در برآورد اولیه محل و مقدار نشت است.
    کلید واژگان: نشت یابی، WaterGEMS، شبکه توزیع آب، الگوریتم ژنتیک، Darwin Calibrator
    Elham Darvishi *, Fatemeh Farhangiyan
    Leakage in water distribution networks will cause waste of water and reduced pressure. Different leak detection methods are used in the networks among which the Meta-search algorithms have received much attention in the recent years. WaterGEMS commercial software uses genetic algorithm for optimal design and calibrate water distribution networks and detect leakage. In this paper, the WaterGEMS V8i performance in leakage detection using Darwin Calibrator tool was investigated in two hypothetical networks (Poulakis and Aniton). In the Poulakis network where only the node's pressure was put into the software as observational data, the location of leakage was determined at or in the vicinity of the exact location. However, in the Aniton network, where the input discharge was also introduced to the program as observational data, the location and the amount of the leakage were calculated more accurately. These results were similar to the leakage resulted in using the Ant colony algorithm.WaterGEMS is therefore evaluated as a good tool for engineers for estimating the location and amount of leakage in water networks.
    Keywords: Darwin Calibrator, Genetic Algorithm, Leakage Detection, Water distribution system, WaterGEMS
  • Setareh Heydari, Jafar Mamizadeh *, Javad Sarvarian, Goodarz Ahmadi
    The optimal design of urban water distribution networks is a significant issue that has been of critical interest in the water industry for many years. The optimal design of the distribution network aims to find the best solution for transferring water from the reservoir to consumers at the lowest cost. In this study, optimization of the water distribution network (ZONE 1 of Ilam city, Iran) was performed using the fast messy genetic algorithms (FMGA) tool in the hydraulic model for three different pipe networks. Also, these networks were optimized by using a combination of EPANET and an in-house developed binary genetic algorithm in MATLAB. The costs of the optimized hydraulic networks of polyethylene and polypropylene pipes were lower, respectively, by 20.56 % and 52.94 % compared to the consulting company's original designs, while for the glass fiber reinforced plastic pipe (GRP) pipe network the cost increased by 12.61 %. Also, the results of a developed algorithm for polyethylene pipe decreased by 22.13 %.
    Keywords: Genetic Algorithm, Optimization, Water Distribution Network, Hydraulic Model, MATLAB
  • نگین ظفری، فریبرز معصومی*، محمدرضا نیکو

    در این پژوهش از یک مدل شبیه سازی- بهینه سازی برای مدیریت چندمرحله ای پیامد ورود بار آلودگی ناگهانی در شبکه های توزیع آب شهری استفاده شد. ابزارهای استفاده شده در مدیریت پیامد در این پژوهش، تخلیه آب آلوده توسط شیرهای آتش نشانی، باز یا بسته کردن لوله ها برای کنترل مسیر جریان در شبکه یا ایزوله کردن نواحی مختلف و نیز خاموش یا روشن کردن پمپ ها برای تنظیم فشار جریان آب در شبکه هستند. برای شبیه سازی از نرم افزار EPANET و برای بهینه سازی از الگوریتم ژنتیک تک هدفه استفاده شد. توابع هدف مساله مدیریت پیامد در این پژوهش عبارت اند از: حداقل کردن زمان بازگشت سیستم به حالت عادی، حداقل کردن جرم آلودگی مصرف شده توسط کاربران و نیز حداقل کردن تعداد گره های آلوده شده. هرکدام از توابع هدف اشاره شده برای دو سناریوی مختلف مدیریتی اجرا شد. در سناریوی اول، وضعیت شیر های تخلیه آتش نشانی و نیز شیرهای باز و بسته کردن لوله ها از نظر باز یا بسته بودن و نیز وضعیت پمپ ها از نظر روشن یا خاموش بودن از ابتدا تا انتهای دوره شبیه سازی ثابت و در سناریوی دوم وضعیت های اشاره شده به تناوب طبق الگوهای موجود قابل تغییر بود. تعداد متغیرهای تصمیم در این پژوهش 54 عدد، شامل تعیین باز یا بسته بودن شیرهای آتش نشانی، باز یا بسته بودن لوله ها و نیز روشن یا خاموش بودن پمپ ها بود. تزریق بار آلودگی از سه گره کاندیدا در شبکه انجام شد. نتایج نشان داد که در حالت تغییر متناوب ابزارهای مدیریتی، تابع هدف حداقل کردن زمان بازگشت سیستم به حالت عادی بین 13 تا 5/26 درصد، تابع هدف حداقل کردن جرم آلاینده مصرفی بین 12 تا 20 درصد و تابع هدف حداقل کردن تعداد گره های آلوده بین 6 تا 21 درصد بهبود یافت. لازم به ذکر است که در همه سناریوها، عدم افت فشار آب در گره های مختلف شبکه از حداقل مقدار مجاز تعیین شده و نیز عدم افزایش تعداد فعالیت های واکنش های مدیریتی از حداکثر مقدار تعیین شده کنترل شد. تناوب در باز و بسته شدن لوله ها و شیرهای تخلیه آتش نشانی و نیز در روشن یا خاموش بودن پمپ ها به بهبود توابع هدف تا حد قابل قبولی کمک کرد.

    کلید واژگان: مدیریت پیامد، الگوریتم ژنتیک، EPANET، شبکه توزیع آب شهری، تزریق آلودگی
    Negin Zafari, Fariborz Masoumi *, Mohammad Reza Nikoo

    In this study, a simulation-optimization model is used for multi-period consequence management of sudden contamination in urban water distribution network. The tools used in the management of consequences in this study are to discharge contaminated water by hydrants, to cut or plug the pipes to control the flow path in the network or to isolate the different areas, as well as to switch the pumps on or off to regulate the water flows pressure into the network. EPANET software is used for simulation and single-objective genetic algorithm is used for optimization. In this study, the three objective functions are to minimize system return time to normal situation, minimize the mass of contamination consumed, and minimize the number of infected nodes. Each of the objective functions mentioned is executed for two different management scenarios. In the first scenario, the status of the hydrants, valves and pumps is constant from the beginning to the end of the management period. In the latter scenario, the status of the hydrants, valves and pumps can be changed periodically from the beginning to the end of the management period. The number of decision variables in this study was 54, which included determining whether the hydrants were open or closed, whether the pipes were closed or connected, and whether the pumps were on or off. The contamination loading is injected from the three candidate nodes into the network. The results show that alternating situations of hydrants, valves and pumps, compared to the situation where the hydrants, valves and pumps are in constant condition, decreases the return time to a normal state between 13 and 26.5 percent, the amount of contaminated water consumed between 12 and 20 percent and the number of infected nodes between 6 and 21 percent. It should be noted that in all scenarios, the minimum water pressure at the nodes of the network is controlled from the minimum permissible value and the increase in the number of management responses actions is controlled from the maximum permissible value. The alternation of the opening and closing of the hydrants and valves, as well as the switching of the pumps on or off, helps to improve the target functions to an acceptable extent.

    Keywords: Consequence Management, Genetic Algorithm, EPANET, Urban water distribution network, Contaminant Injection
  • مبین افتخاری*، محمد اکبری

    شبکه‎های توزیع آب به عنوان یکی از مهم‎ترین زیرساخت‎های طرح‎های تامین آب است که بخش مهمی از اعتبارات مالی کشور را به‎خود اختصاص داده است. از آن‎جا که طراحی بهینه دارای تاثیر به‎سزایی در کاهش هزینه چنین طرح‎های عظیمی است، طراحان همواره به‎دنبال یافتن روشی هستند که ضمن تامین قیود و معیارهای فنی طرح، کمترین هزینه را داشته باشد. یکی از روش‎های بهینه‎سازی، روش الگوریتم‎ژنتیک است که از پرکاربردترین روش های بهینه‎سازی است. مسیله‎ای که مورد توجه این تحقیق است ارزیابی روش‎های فرا ابتکاری مورد استفاده در طراحی شبکه توزیع آب شهری است تا جایگاه الگوریتم ژنتیک به‎عنوان یک روش بهینه‎سازی در این خصوص مشخص شود. با توجه به هزینه‎های سنگین مترتب بر پروژه‎های شبکه توزیع آب، ارزیابی هزینه‎ای مدل‎ها مسیله‎ای مهم و مورد نیاز است. در این تحقیق بخشی از شبکه توزیع آب شهر مشهد با استفاده از روش الگوریتم‎ژنتیک، بهینه‎سازی شد. بدین منظور ابتدا مدل‎سازی توسط نرم افزار WaterGEMS انجام گرفت و هزینه کل براساس فهرست بها محاسبه شد، سپس با توجه به تابع هدف و معیار هزینه و با رعایت قیود سرعت و فشار مجاز شبکه، بهینه‎ سازی انجام شد و هزینه نهایی به‎دست آمد. نتایج حاصل از روش ارایه شده نشان داد هزینه سرمایه‎گذاری پس از استفاده از رویکرد پیشنهادی بهینه‎سازی در حدود 14 درصد نسبت به طرح اولیه کاهش خواهد یافت. هم‎چنین مقایسه هزینه روش پیشنهادی در مقایسه با سایر الگوریتم های فرا ابتکاری وضعیت مطلوب تری را ارایه کرد.

    کلید واژگان: الگوریتم ژنتیک، بهینه‎سازی، شبکه توزیع آب، WaterGEMS
    Mobin Eftekhari *, Mohammad Akbari

    Water distribution networks are amongst the most important infrastructures of water supply projects, which attracts notable financial credits from the governments. As optimal design can significantly reduce the costs of such large projects, designers always try to minimize the costs while applying all the constraints and technical specifications of the project. Genetic algorithm is one of the most popular approaches for optimizations in the design projects. This research aims at evaluating the meta-heuristic methods used in designing the urban water distribution networks and to assess the genetic algorithm as an optimization mean for such methods. Given the heavy costs associated with water distribution network projects, it is very important how a model perform the cost evaluation. For the current study, the modeling was first performed by WaterGEMS software and the total cost was calculated based on the price list. Then, according to the objective function and cost criterion and with respect to constraints of speed and pressure in the network, optimization was performed and the final cost was obtained. The results of the proposed method showed that by optimization, the investment cost would decrease by about 14% compared to the original plan. Comparison was also made to other meta-heuristic algorithms which confirmed better performance of the proposed algorithm with regards to costs.

    Keywords: Genetic Algorithm, optimization, Water Distribution Network, WaterGEMS
  • Nasrin Abozari, Mohammadreza Hassanvand, AmirHossein Salimi *, Salim Heddam, Hossein Omidvar Mohammadi, Amir Noori

    The frequent occurrences of wet and dry in the catchment area of the Gamasiab river located in the west of Iran, in addition to affecting the quantitative status of surface water, has caused changes in the water quality of the basin. Therefore, modeling and prediction of Gamasiab river water quality in wet and dry periods are research priority. In this study, an optimized artificial neural network (ANN) trained with three different optimization algorithms namely; particle swarm optimization (PSO), genetic algorithm (GA) and imperialist competitive algorithm (ICA) was proposed for predicting the electric conductivity (EC). For this purpose, water quality data from 1967 to 2017 collected at the hydrometric station in the Gamasiab river were used for developing and testing the models. First, the study program was divided into two periods of wet and dry, this classification based on flow rate in the river. Then, in a preliminary statistical analysis, the effective parameters were determined for EC estimation. The performance of the applied methods showed that the ANN optimized using ICA algorithm was better than the ANN optimized with GA and PSO, and also the standard ANN without optimization. Overall, the ANN optimized with ICA has higher R and lower MARE and RMSE, with values of 11.56, 19.63 and 0.93, during the dry period, and 10.63, 17.19 and 0.97 during the wet period, respectively.

    Keywords: Water quality, electric conductivity, artificial neural network, Genetic Algorithm, Particle swarm algorithm, Imperialist competitive algorithm, Gamasiab river
  • مسعود تابش*، مژگان عسکرزاده، اکبر شیرزاد
    شبکه های توزیع آب زیرساخت های پیچیده ای هستند که ساخت، بهره برداری و نگهداری از آنها نیازمند صرف هزینه های قابل توجهی است. از آن جایی که اکثر متغیرهای موثر در طراحی و بهره برداری از شبکه های توزیع آب به طور دقیق و قطعی قابل محاسبه و دست یابی نیستند، لذا بحث عدم قطعیت به عنوان یک موضوع جدا نشدنی در زمینه محاسبات این شبکه ها نیز باید مد نظر قرار گیرد. در این پژوهش با استفاده از مفهوم منطق فازی و به کارگیری الگوریتم بهینه سازی ژنتیک، تاثیر عدم قطعیت های موجود در متغیرهای ورودی شبکه (تقاضای گرهی و ضریب زبری لوله) بر نتایج تحلیل هیدرولیکی دو شبکه توزیع آب نمونه بررسی شد. در ابتدا توابع عضویت فازی متغیرهای ورودی به دست آمد و با منظور نمودن تاثیر توام عدم قطعیت این متغیر ها، متغیرهای خروجی تحلیل هیدرولیکی با دقت بیشتری محاسبه شد. در ادامه متغیرهای فشار، سرعت و افت انرژی به عنوان نشانگرهایی برای ارزیابی عملکرد هیدرولیکی اجزای شبکه (گره های مصرف و لوله ها) در نظر گرفته شد. به منظور محاسبه شاخص عملکرد هیدرولیکی این اجزا، پس از تحلیل هیدرولیکی شبکه با استفاده از مدل تحلیل هیدرولیکی مبتنی بر فشار، از منحنی های جریمه تعریف شده مطابق با استانداردهای موجود، استفاده شد و نتایج با خروجی های تحلیل هیدرولیکی مبتنی بر تقاضا مقایسه شد. به علاوه معادله جدیدی برای تلفیق عملکرد اجزای شبکه و به دست آوردن شاخصی برای ارزیابی عملکرد کل لوله و محاسبه اندیس عملکرد هیدرولیکی کل شبکه معرفی شد. طبق نتایج حاصل، مقادیر عدم قطعیت جزئی در متغیرهای ورودی تحلیل هیدرولیکی، عدم قطعیت بالایی در نتایج تحلیل هیدرولیکی شبکه های توزیع آب به دنبال داشت. البته متغیر سرعت جریان در لوله ها بیشتر از متغیر فشار گرهی تحت تاثیر عدم قطعیت موجود در متغیرهای ورودی تحلیل هیدرولیکی قرار می گیرد. همچنین استفاده از روش تحلیل مبتنی بر فشار در ارزیابی عملکرد هیدرولیکی شبکه های توزیع آب در طول دوره بهره برداری منجر به نتایج منطقی تر و نزدیک تر به واقعیت می شود.به طور مثال شاخص عملکرد کل شبکه برای شبکه 9 حلقه ای برابر 56/0 و برای شبکه دو حلقه ای هم براساس روش های تحلیل هیدرولیکی مبتنی بر تقاضا و مبتنی بر فشار به ترتیب برابر 26/0 و 59/0 به دست آمد.
    کلید واژگان: شبکه های توزیع آب، تحلیل هیدرولیکی مبتنی بر فشار، ارزیابی عملکرد، عدم قطعیت، منطق فازی، الگوریتم ژنتیک
    Massoud Tabesh *, Mozhgan Askarzadeh, Akbar Shirzad
    Water distribution networks (WDNs) are complicated infrastructures which their construction, operation and maintenance have considerable costs. Since most of the variables effective on the design and operation of WDNs cannot be computed and achieved accurately and definitely, uncertainty subject should be considered as an inseparable issue in the calculation of these networks. In this study, using the fuzzy logic concept and genetic optimization algorithm, the impact of uncertainties of input variables (nodal demands and pipe roughness coefficients) on the results of hydraulic analysis of two sample networks have been examined. In this regard, first, the fuzzy membership functions of input variables have been determined and by considering the simultaneous impacts of these variables' uncertainties, the output variables of hydraulic analysis have been calculated more accurately. Afterwards, variables of pressure, velocity and energy loss have been considered as representers for evaluating the hydraulic performance of network elements (nodal demand and pipes). In order to calculate the hydraulic performance indices of these elements, after analyzing the network based on the pressure driven simulation method, penalty curves defined according to the available standards, have been employed and the obtained results have been compared to the results of the demand driven simulation method. In addition, a new relation for combining the performance indices of network elements and obtaining an index for evaluating the total pipe performance and calculating the total hydraulic performance index of network has been introduced. According to the obtained results, slight uncertainties in the input variables of hydraulic analysis lead to high uncertainties in the outputs of the hydraulic analysis of WDNs. Meanwhile, velocity in pipes more than nodal pressures are affected by the uncertainties of input variables of hydraulic analysis. Also, implementing the pressure driven simulation method in performance evaluation of WDNs in their operation period leads to more reasonable and real results. For instance the total performance of network was 0.56 for 9-loop network and was 0.26 and 0.59 for 2-loop network, respectively, based on demand and pressure driven simulation methods.
    Keywords: water distribution networks, Pressure Driven Simulation Method, Performance Evaluation, Uncertainty, Fuzzy logic, Genetic Algorithm
  • محمدرضا معینی، بنفشه زهرایی *
    امروزه به دلیل مشکلات کمبود آب و همچنین اثرات قابل توجه تغییر اقلیم بر منابع آب، بایستی سعی شود تا با برنامه ریزی مبتنی بر توسعه پایدار، از این منبع ارزشمند به بهترین شکل استفاده شود. تعریف دقیق بیلان آبی حوضه های آبریز کشور، از ضرورت های برنامه ریزی مبتنی برواقعیت و توسعه پایدار است. سوابق تحقیقاتی در مورد مدل های بیلان ماهانه عمدتا معطوف به مدل های بیلان هیدروکلیماتولوژی است که منابع آب زیرزمینی را به شکل بسیار محدود و تنها به صورت یکلایه یا دو لایه از خاک در نظر می گیرند. از این رو، توسعه مدل هایی که اثر بیلان آب زیرزمینی را به طور همزمان با بیلان هیدروکلیماتولوژی در نظر بگیرند، می تواند در ارائه تصویر دقیقتری از منابع آب هر حوضه مفید باشد. در مدل پیشنهادی در این تحقیق سعی شده آبخوان توسط مدل بیلان تانک زیرزمینی مدلسازی شود که به مدل بیلان هیدروکلیماتولوژی متصل شده و پارامترهای دو مدل به طور همزمان بهینه سازی شوند. از الگوریتم ژنتیک برای بهینه سازی پارامترهای مدل توسعه داده شده پیشنهادی استفاده شده است. جهت ارزیابی کارایی، این مدل در محدوده مطالعاتی نیشابور واقع در حوضه ی آبریز کویر مرکزی برای 9 سال آبی مورد استفاده قرار گرفته است. نتایج این تحقیق، نشان دهنده پتانسیل قابل توجه رویکرد پیشنهادی برای مدلسازی سریع بیلان عمومی محدوده های مطالعاتی کشور بوده است هر چند که برای برآوردهای دقیق تر، مدلسازی توزیعی توصیه می شود که در آن امکان درنظر گرفتن تبادلات آب بین منابع سطحی و زیرزمینی با درنظر گرفتن تغییرات گرادیان هیدرولیکی امکان پذیر است.
    کلید واژگان: بیلان عمومی، بیلان هیدروکلیماتولوژی، بیلان زیرزمینی، بهینه سازی، الگوریتم ژنتیک
    Mohammadreza Moeini, Banafsheh Zahraie *
    Sustainable management of water resources in various basins depends on accurate estimation of water balance. Reviewing literature of water balance models reveals that most published works are focused on hydro-climatologic water balance models, which consider aquifers like tanks with one or two soil layers. These models use empirical equations to calculate the effects of groundwater on hydro-climatological water balance. In this study, we have tried to advance previous studies by linking previously developed hydro-climatological and groundwater balance models. In the developed model in this study, the aquifers were modeled more accurately by using the tank-model approach. Optimizaing the parameters of the joint water balance model is an important step for achieving proper water balance model performance. In order to assess the performance of the recommended model, hydro-climatological and groundwater water balance in Neyshabur and Rokh plains were modeled in a nine-year period. The results proved that the proposed approach can be used for modeling water balance of other basins in the country. Although it was suggested that it can be better to use distributed modeling which allows considering interactions between surface water and groundwater resources.
    Keywords: Water Balance, Hydro-Climatologic water balance, Tank groundwater balance, Optimization, Genetic Algorithm
  • سعید فرزین *، حامد نوری، حجت کرمی
    در این مطالعه، جهت کنترل رواناب ناشی از سیلاب در حوضه های شهری از بهینه سازی روش های بهینه مدیریتی (BMP) و روش های توسعه با حداقل اثرات جانبی (LID) به عنوان روش های نوین استفاده شده است. مدل سازی هیدرولیکی و هیدرولوژیکی توسط نرم افزار SWMM انجام پذیرفته است و با الگوریتم چندهدفه ژنتیک (NSGAII) به عنوان بهینه ساز تلفیق شده است. توابع هدف شامل هزینه ی ساخت و اجرا (سرمایه گذاری) و بهره برداری سازه های روش های نوین، میزان حجم سیلاب در سطح حوضه، میزان بار آلاینده ها در خروجی حوضه در نظر گرفته شد. منطقه موردمطالعه حوضه شهری عظیمیه واقع در شهر کرج استان البرز می باشد. در این پژوهش پنج نوع سازه با متغیرهای مساحت و نوع سازه، به الگوریتم ژنتیک معرفی گردید و این الگوریتم متناسب با شرایط هر 67 زیر حوضه ازنظر نوع کاربری، ترکیبی مناسب از چندین سازه در کنارهم با مساحت های بهینه را به عنوان راه حل ها ارائه می دهد؛ و در آخرجهت ارزیابی NSGAII ، با تعریف هفت سناریو، مقایسه انجام گردید. نتایج نشان داد با اجرای راه حل ارائه شده توسط NSGAII، مقادیر کمیت و کیفیت سیلاب به ترتیب به میزان 41 و 23 درصد کاهش می یابند. در ادامه ی نتایج مشاهده شد اجرای سازه های مهار و کنترل سیلاب به صورت مجزا تنها می تواند تامین کننده یکی از اهداف باشد و انتخاب بهینه ای ارائه شده توسط NSGAII نیست. ترکیب انواع سازه های با یکدیگر و انتخاب مساحت مناسب برای هر یک از آن ها با توجه به نوع کاربری هر زیر حوضه، می تواند در مقایسه با استفاده مجزا و مستقل هر یک از این سازه ها عملکرد مناسبی داشته باشد. همچنین مشخص شد که هزینه بیشتر دلیل بر کارایی بیشتر نمی باشد.
    کلید واژگان: مدیریت رواناب شهری، الگوریتم ژنتیک چند هدفه، SWMM، GIS، BMP-LID
    Saeed Farzin *, Hamed Noori, Hojat Karami
    In this study the Best Management Practices (BMPs) and Low Impact Development (LID) was employed to control quality and quantity of runoff due to urban flooding. The hydraulic and hydrological models of urban runoff were simulated by the Storm Water Management Model (SWMM) and combined with None-dominated Sorting Genetic Algorithm (NSGAII). Three objective function were defined included: minimize the cost of BMP (Investment) in dollar, minimization of runoff volume over the catchment in m3, and minimization of pollutant load contain TSS (Total Suspended Solid) and Pb in kg at external node (Karaj River). The urban catchment studied was part of the northeast of Karaj City namely Azimiyeh located in Alborz Province. In this research five types of BMP-LID structures were defined to NSGA-II with various types and areas and this algorithm combine types of BMP-LID with considering land use of the 67 sub-catchments and produce solutions. Finally, seven scenarios were defined to assess the NSGA-II. The results shown: that by applying the solution obtained by NSGAII in study area, quantity and quality of flood, decreased by 41% and 23%, respectively. Also, the use of BMP-LID structures in separated form only could provide one of objective functions and not an optimal choice. The use of BMP-LID structures in combination form with appropriate area and considering land use of sub-catchments can be having good performance compared to separated mode. As well as, higher cost does not result in more efficiency, especially in the flood quantity discussion.
    Keywords: Urban runoff management, Genetic Algorithm, SWMM, GIS, LID-BMP
  • سعید خلیفه، کاظم اسماعیلی، حمید خلیفه
    امروزه جوامع بشری هزینه های بسیاری را برای تامین نیاز آبی خود با هدف به حداکثر رساندن سود و به حداقل رساندن هزینه صرف می کنند. اگر هدف کاهش هزینه باشد، با کاهش هزینه لوله های مورد استفاده در شبکه به طوری که فشار آب در گره ها از حد پایین خود یعنی 14 متر آب کمتر نباشد، بخش عمده ای از این هدف تامین خواهد شد. در این پژوهش بهینه سازی براساس تابع هدف دومنظوره بخشی از شبکه توزیع آب هماشهر واقع در استان کرمان مورد بررسی قرار گرفته است که با توجه به اقلیم خاص منطقه حایز اهمیت است. در بهینه سازی یک شبکه توزیع آب علاوه بر بعد مالی مساله، باید به ابعاد دیگری همچون فشار، سرعت آب در لوله ها که در طراحی شبکه نقش اساسی دارد توجه کرد. در این تحقیق بعد فشار به عنوان تابع هدف دوم و اعمال سرعت به عنوان قید محدودیت در نظر گرفته شده است. اگر در این شبکه تابع هدف تنها بر اساس هزینه در نظر گرفته شود شبکه از لحاظ تامین فشار مناسب در محل های مصرف با مشکل مواجه خواهد شد. بدین منظور در این مطالعه شبکه توزیع توسط مدل WaterGEMS تحلیل هیدرولیکی شده و بعد با استفاده از الگوریتم ژنتیک، بهینه سازی انجام گرفته است. در پایان بهینه سازی از بین چند سناریو براساس تابع دو هدفه انجام و سناریویی که از نظر کاهش هزینه و بهبود فشار شبکه در وضعیت مطلوبی قرار داشت انتخاب شد که بعد از بهینه سازی، در حدود 15 درصد از هزینه کل پروژه صرفه جویی صورت گرفته است.

    کلید واژگان: شبکه توزیع آب، WaterGEMS، مسائل هیدرولیکی، لوله، الگوریتم ژنتیک
    saeed khalife, kazem esmaili, hamid khalife
    Human societies nowadays undergo huge expenses to meet the water requirements aiming at maximizing the benefits and minimizing the costs. The goal of reduced costs can substantially be met by reduction in the cost of network pipes while satisfying the minimum pressure at nodes; i.e. 14 meters. This study is a multi-objective optimization function that will be constructed in a part of the water distribution network of the Homashahr city in Kerman province. In optimization of water distribution network, in addition to financial problems, other aspects should also be noted such as pressure and velocity of water in pipes which play key role in network design. In this study, the pressure was considered as a second objective function and the velocity was set as a boundary condition. When the objective function is defined only on the basis of cost, the network can face inadequate pressure in consumers’ connections. In this study “WaterGems” software is used for hydraulic simulation and also optimization process based on genetic algorithm. Based on the two objective functions defined in terms of cost reduction and improved network pressure, a scenario with suitable condition was derived. This scenario caused 15% reduction in total costs of the project.
    Keywords: Genetic Algorithm, Homashahr, Optimization, Water Distribution Network, WaterGEMS
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال