تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,098,315 |
تعداد دریافت فایل اصل مقاله | 97,205,981 |
سیستم هوشمند تخصیص منابع آب برای کاهش تأثیرات کمبود آب در مخزن (مطالعۀ موردی: سد مخزنی بوکان) | ||
اکوهیدرولوژی | ||
مقاله 1، دوره 5، شماره 2، تیر 1397، صفحه 343-355 اصل مقاله (762.73 K) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2017.230147.539 | ||
نویسندگان | ||
پریسا یوسفی1؛ مجید منتصری* 2؛ وحید رضاوردی نژاد3 | ||
1دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشکدۀ کشاورزی، دانشگاه ارومیه | ||
2استاد گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه ارومیه | ||
3دانشیار گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه ارومیه | ||
چکیده | ||
پژوهش حاضر یک طرح تخصیص اصولی آب را برای سد مخزنی بوکان، واقع در شمال غرب ایران ارائه میدهد. در این طرح قواعدی تنظیم میشود که هنگام مواجهۀ سیستم با کمبود جدی آب، درصدی آیش برای محصولات زراعی اعمال شود تا تقاضای سایر بخشها تا حد مد نظر ارضا شود و نسبت کمبود آب در همۀ بخشها از حد قابل قبولی تجاوز نکند. به اینمنظور، ابتدا نسبت کمبود ماهانۀ آب برای دو بخش شرب و کشاورزی برای دورۀ تاریخی 1374ـ 1392 محاسبه شده و با استفاده از روش خوشهبندی K-means به پنج سطح طبقهبندی شد تا آستانههای کمبود آب در مخزن مشخص شود. سپس، با استفاده از الگوریتم ژنتیک به بهینهسازی بهرهبرداری از مخزن پرداخته شد و میزان آیش بهینه برای هر سال زراعی (1386-1392) تعیین شد. همچنین، به منظور بررسی تأثیر میزان راندمان آبیاری و اعمال نیاز زیستمحیطی بر میزان آیش مورد نیاز، شش سناریو اعمال شد و در هر بار اجرا، سه راندمان آبیاری 5/35، 45 و 50 درصد در نظر گرفته شد. نتایج بیان میکند که با افزایش راندمان آبیاری، به آیش کمتری نیاز است و با اعمال این آیش سیستم تا حد قابل قبولی میتواند نیاز پاییندست خود را تحویل دهد، در نتیجه باید اقدامات افزایش راندمان آبیاری در دستور کار مدیران آب قرار گیرد. همچنین، در صورت درنظرنگرفتن نیاز زیستمحیطی پاییندست مخزن، با اینکه میزان آیش مورد نیاز کمتر است، بدیهی است که برای دستیابی به مدیریت پایدار و همچنین حفظ دریاچۀ ارومیه، باید نیاز زیستمحیطی نیز در مسائل بهرهبرداری از مخزن در نظر گرفته شود. | ||
کلیدواژهها | ||
آیش؛ الگوریتم ژنتیک؛ تخصیص آب؛ خوشهبندی K-means؛ سد بوکان | ||
عنوان مقاله [English] | ||
Intelligent Water Resource Allocation System to Mitigating Water Shortage Effects in the Reservoir;Case Study: Bukan Reservoir | ||
نویسندگان [English] | ||
parisa yousefi1؛ majid montaseri2؛ vahid rezaverdinejad3 | ||
2urmia university, urmia, iran | ||
3urmia university, urmia, iran | ||
چکیده [English] | ||
Current research presents a systematical water allocation scheme for Bukan reservoir located in the northwest of Iran. In this scheme, the agricultural demands reduced by application of some fallow to satisfy other sector demands, when the system faced with a water scarcity. For this, the monthly water deficit ratio calculated for the historical period of 1995- 2013. To determining water deficit thresholds in the reservoir it classified to five groups by k-means clustering method. For determining the optimized amount of fallow genetic algorithm used to optimize the operation of the reservoir for each crop year from 2007-2013. For assessment of the irrigation efficiency also consideration of the environmental demand effect to the fallow amount, six scenarios are applied. Results revealed that by increasing of irrigation efficiency it needs less fallow. Applying optimized fallow leads to deliver downstream demands at an acceptable level. So increasing irrigation efficiency should be as a priority of water managers. | ||
کلیدواژهها [English] | ||
Bukan reservoir, fallow, Genetic Algorithm, k-means clustering, water allocation | ||
مراجع | ||
[1]. Mishra AK, Singh VP. A review of drought concept. Journal of Hydrology. 2010; 391(1-2): 202-216. [2]. Wisser D, Frolking S, Douglas EM, Feket BM, Schumann AH, Vörösmarty CJ. The significance of local water resources captured in small reservoirs for crop production- a global-scale analysis. Journal of Hydrology. 2010; 384(3-4):264–275. [3]. Oweis T, Hachum A. Water harvesting and supplemental irrigation for improved water productivity of dry farming systems in West Asia and North Africa. Agric Water Manag. 2006; 80 (1–3):57–73. [4]. OECD. Sustainable Management of Water Resources in Agriculture. 2010. Pereira LS, Cordery I, Iacovides I. Coping with water scarcity-an action framework for agriculture and food security. 2012; AO Water, Report,38. [5]. Tilmant A, Goor Q, Pinte D. Agricultural to hydropower water transfers: sharing water and benefits in hydropower-irrigation systems. Hydrol. Earth Syst. Sci. 2009; 13(7):1091–1101. [6]. Wen TH, Lin CH, Chen CT, Su MD. Analysis of spatial scenarios aiding decision making for regional irrigation water-demand planning. J. Irrig. Drain. Eng. 2007; 133 (5):455–467. [7]. Yen JH, Chen CY. Allocation strategy analysis of water resources in south Taiwan. Water. Resour. Manage. 2001;15(5):283–297. [8]. MacQueen J. Some methods for classification and analysis of multivariate observations. In Proceedings of the fifth Berkeley symposium on mathematical statistics and probability. University of California Press. 1967;. 1(14):281-297. [9]. Baswade AM, Nalwade PS. Selection of Initial Centroids for k-Means Algorithm. International Journal of Computer Science and Mobile Computing. 2013;2(7):161-164. [10]. Chang FJ, Wang Y C, Tsai W P. Modelling Intelligent Water Resources Allocation for Multi-users. Water Resources Management. 2016; 30(4): 1395-1413. [11]. Choong SM, El-Shafie A. State-of-the-art for modelling reservoir inflows and management optimization. Water Resour Manag. 2014; 29(4):1267–1282. [12]. Safa HH, Morid S, Moghaddasi M. Incorporating economy and long-term inflow forecasting uncertainty into decision-making for agricultural water allocation during droughts. Water Resour Manag. 2012; 26(8):2267–2281. [13]. Rani D, Moreira MM. Simulation–optimization modeling: a survey and potential application in reservoir systems operation. Water Resour Manag. 2010; 24(6):1107–1138. [14]. Sonaliya S, Suryanarayana TMV. Optimal Reservoir Operation Using Genetic Algorithm: A Case Study of Ukai Reservoir Project. International Journal of Innovative Research in Science, Engineering and Technology. 2014;3(6). [15]. Devisree MV, Nowshaja PT. Optimisation of Reservoir Operation Using Genetic Algorithm. International Journal of Scientific and Engineering Research. 2014;5(7). [16]. Zahraie B, Hosseini SM. Development of reservoir operation policies considering variable agricultural water demands. Expert Syst Appl. 2009;36(3):4980–4987. [17]. Parmar N., Parmar A. Optimal Reservoir Operation For Irrigation Of Crops Using Genetic Algorithm A Case Study Of Sukhi Reservoir Project. International Journal Of Civil Engineering And Technology (IJCIET). 2015, 23-27. [18]. Mens M.J.P., Gilroy K., Williams D. Developing system robustness analysis for drought risk management: an application on a water supply reservoir, Journal of Nat. Hazards Earth Syst. 2015. [19]. Chang F. J., Wang K. W. A systematical water allocation scheme for drought mitigation. Journal of Hydrology. 2013. 507, 124-133. [20]. Karamouz M., Imen S., Nazif S. Development of a Demand Driven Hydro-climatic Model for Drought Planning, Journal of Water Resour Manage. 2012. [21]. Yekom consulting engineers. Environmental impact studies (qualitative and quantitative effects) of Urmia Lake basin's water resources development projects on the Lake Urmia. West Azerbaijan Regional Water Organization. 2005. In Persian. [22]. Chen Q, Mynett AE. Integration of Data Mining Techniques with Heuristic Knowledge in a Fuzzy Logic Modelling of Eutrophication in Taihu Lake. Ecol. Model. 2003; 162(1-2):55-67. [23]. Ministry of Energy. Studies of updating the master plan of the country's water in Aras, Urmia, Talsh- Anzali wetland, large Sefidrood, Sefidrood- Haraz, Hraaz- Gharehsou, Gorgan-river and Atrak. 2013. 21:138. In persian. [24]. Hashimoto T, Stedinger J R, Loucks D P. Reliability, resilience and vulnerability criteria for water resource system performance evaluation, Water Resource Research. 1982; 18(1), 14-20. | ||
آمار تعداد مشاهده مقاله: 960 تعداد دریافت فایل اصل مقاله: 628 |