Skip to main content
SUPERVISOR
Kayvan Asghari,Azadeh Ahmadi
کیوان اصغری (استاد راهنما) آزاده احمدی (استاد مشاور)
 
STUDENT
Mohammad Kianifalavarjani
محمد کیانی فلاورجانی

FACULTY - DEPARTMENT

دانشکده مهندسی عمران
DEGREE
Master of Science (MSc)
YEAR
1387
Development and capacity expansion of water infrastructures, such as reservoirs, is part of challenges authorities face in meeting the regional water needs. Another part of this challenge, and the essential one, is the management and operation of water resources systems. After a serious depletion of alternative water resources such as groundwater, the most important sources of water in most countries (including Iran) is the water which is supplied from dam reservoirs. Operational management of these water reservoirs, as a complex system, is very critical and needs careful attention in order to guarantee the sustainability of water supply in severe conditions. In this research, a hybrid method has been presentedwhich enables us to introduce alternative optimized scenario for future planning and also to have a real-time time operation ofreservoir systems.Combination of several soft computational methods has been employed to demonstrate the competency of these techniques. HarmonySearch algorithm (HS) and SupportVector Machines (SVM) are the two main approaches for optimization of reservoir releases and forecasting of the inflow to reservoir and ultimately determining a real-time strategy for operation of a reservoir. HS algorithm is one of the new methods of optimization which is based on its successful and remarkable performance in recent years, compare to other meta-heuristic optimization techniques. SVM method based on structural risk minimization principlehas been introduced as a powerful method for learning processes and forecasting phenomenon. In addition, the mutual information (MI) has been used to select the efficient and reliable parameters within immense amount of large-scale regional signals to forecast the annual inflows. Regional signals can be considered as parameters and indicators when their changes in terms of time in different stations show the changes in rainfall and temperature which will happen in another time or another place. The proposed methodology is applied to Zayandehrud reservoir and the application explored the model’s accuracy and its potential for real time prediction of reservoir monthly releases for adaptive planning and management.Besides the runoff from the Zayandeh-rud basin, diverted flow from neighboring basins contribute to the reservoir inflows. This reservoir is the main water structure to reduce the shortages and help to balance the monthly water needs based on limited supply in the region. Historical data indicate that the region is susceptible to hydrological drought periods where consecutive years of below-average annual streamflow occur. Fifty six years (1954-2009) of monthly inflow data were used for this study.
آب به عنوان یکی از اصلی‌ترین نیازهای بشر بمنظور پیشرفت وتوسعه، در دستیابی به آن بشر همواره اهتمام داشته و کوشیده از منابع‌آب موجود نهایت بهره‌وری را داشته باشد. یکی از مهمترین منابع آبی موجود در اغلب کشورها (از جمله ایران) آب استحصال شده در مخازن سدها می‌باشد که مدیریت بهره‌برداری از آنها از چالشهای مدیران صنعت آب و محققین بشمار می‌آید. در این پژوهش با نگرشی به آینده روشی معرفی شده است تا بتوان در زمان‌های آتی با دیدی بلند‌مدت بر مخزن بهره‌برداریی بهینه از مخازن داشته و با توسعه آن بتوان بهره‌برداری از سیستم‌های مخازن را به‌شکل بهنگام انجام داد. به‌منظور تحقق این امر از الگوریتم جستجوی هارمونی (HS) و روش داده‌محور ماشین‌های بردارشتیبان (SVM) در کنار روش اطلاعات‌متقابل (MI)، بمنظور انتخاب پارامترهای موثر و همچنین سیگنال‌های بزرگ مقیاس اقلیمی به عنوان متغیرهای پیش‌بینی کننده رواناب ورودی به مخزن استفاده شده است. الگوریتم HS یکی از روش‌های نوین بهینه‌سازی فراکاوشی است که به‌واسطه عملکرد موفق آن در سال‌های اخیر مورد توجه قرار گرفته است. روش داده‌محور SVM با تکیه بر اصل کمینه‌سازی ریسک ساختاری، به‌عنوان روشی قدرتمند در یادگیری معرفی شده است. سیگنال‌های اقلیمی را هم می‌توان پارامتر‌ها و شاخص‌ها‌یی دانست که تغییر این شاخص‌ها از لحاظ زمانی در ایستگاه‌های مختلف نشان‌دهنده تغییراتی در میزان بارش و یا دما است که در زمانی دیگر و در مکانی دیگر اتفاق خواهد‌افتاد. در راستای اهداف پایان نامه با استفاده از تکنیک‌های ذکر شده مدل بهره‌برداری از مخزن سد زاینده‌رود توسعه داده شده است. در مدل ارائه شده در این تحقیق در مرحله اول با استفاده از سیگنال‌های بزرگ مقیاس اقلیمی به عنوان متغیر‌های پیش‌بینی کننده و استفاده از روش داده‌محور SVM رواناب ورودی به مخزن سد زاینده‌رود پیش‌بینی می‌شود. بمنظور انتخاب پارامترهای موثر از روش MI استفاده شده است. طول دوره آماری بمنظور آموزش و آزمون مدل 56 سال در نظر گرفته شده، که 11 سال به عنوان آزمون و 45 سال بمنظور آموزش استفاده شده است. در مرحله بعد و در گام بهینه‌سازی، با استفاده از روش جستجوی هارمونی و همچنین پیش‌بینی‌های انجام شده از رواناب ورودی به مخزن، خروجی بهینه مخزن تعیین می‌شود. مدل بهینه‌سازی بصورت ترتیبی بوده که با رخداد هر سه ماه، پیش‌بینی‌ها بروز شده و حجم انتهای مخزن با توجه به مقادیر مشاهده‌ایی رواناب ورودی به مخزن اصلاح ونهایتاَ خروجی بهینه برای ماه‌های آینده تعیین می‌شود. نزدیکی مقادیر خطای محاسبه شده مدل‌‌های مذکور در مراحل آموزش و آزمون نشان‌دهنده عمومیت‌پذیری بالای این دو مدل است. استفاده از سیگنال‌های بزرگ مقیاس اقلیمی به عنوان پیش‌بینی کننده بلند‌مدت رواناب ورودی به مخزن و همچنین استفاده از مدلی ترتیبی بمنظور بهینه‌سازی و اصلاح مقادیر پیش‌بینی و حجم انتهای مخزن در هر دوره بهینه‌‌سازی سبب شده است که مدل ارئه شده در این تحقیق تا حد قابل قبولی به بهینه‌سازی بر‌اساس مقادیر مشاهداتی نزدیک شده و میزان خطای اتفاق افتاده چه در مرحله پیش‌بینی و چه در مرحله بهینه‌سازی کاهش یابد.

ارتقاء امنیت وب با وف بومی