بخشی از مقاله
چکیده
محدودیت منابع آبی و اصل پایداري در مدیریت آن، تامین آب کلیه نیازهاي موجود را غیر ممکن ساخته است، لذا به منظور تامین و عرضه آب با اطمینان پذیري بالا نیاز به برنامهریزيهاي دقیق میباشد. به همین دلیل اهمیت مدیریت منابع آب در حوضههاي آبریز بیش از پیش نمایان شده است.
در این تحقیق از مدل برنامه ریزي ژنتیک براي شبیه سازي فرایند بارش- رواناب در حوضه آبریز لیقوان استفاده گردید. در مدل برنامه ریزي ژنتیک براي بدست آوردن بهترین ترکیب، وروردي هاي مختلف براي مدل سازي مورد آزمون قرار گرفت. نتایج حاکی از دقت بالاي مدل در شبیه سازي فرایند بارش- رواناب می باشد. نتایج نشان می دهد که مدل برنامه ریزي ژنتیک براي اکثر رویدادها ضریب همبستگی بالایی داشته همچنین در پیش بینی دبی و زمان اوج کمترین خطاي مطلق را دارد.
-1 مقدمه
در سالهاي اخیر با توجه به رشد روزافزون جمعیت، گسترش شهرها و روند صنعتی شدن آنها نیاز به ارائه مدلی که بتواند بارش- رواناب را پیشبنی کند الزامی به نظر میرسد. نیاز به الگوهاي مناسب تبدیل بارش به رواناب در جوامع پیشرفته امروزي در کشاورزي، آبیاري، شرب، بهرهبرداري از مخازن سدها، پیشبینی، کنترل و سیستمهاي هشدار سیلاب براي کاهش آسیبهاي مالی و جانی مشهود است. بنابراین داشتن مدلی جهت پیشبینی مقادیر براي آینده در تمامی علوم و از آن جمله در رشته مهندسی آب همواره مد نظر بوده است.
لذا یکی از راههاي مطالعه دقیق فرآیند بارش- رواناب استفاده از روشهاي هوشمند در یافتن رابطه بین دادههاي ورودي و خروجی پدیده بارش- رواناب می باشد. فربودنام و همکاران - 1 - به پیش بینی جریان روزانه رودخانه لیقوان با استفاده از برنامه ریزي ژنتیک پرداختند. نتایج بدست آمده با یک مدل شبکه عصبی مصنوعی نیز مورد مقایسه قرار گرفت. نتایج نشان داد که دقت مدل برنامه ریزي ژنتیک بیشتر می باشد.
سلطانی و همکاران - 2 - به مدل سازي بارش-رواناب روزانه حوضه آبریز لیقوان پرداختند و نشان دادند که متغیرهاي بارش با تاخیر 0، 1 و 6 و متغیر رواناب با تاخیر 1، 3 و 5 در روند مدل سازي بارش-رواناب تاثیر دارند.
یوسفی - - 3 با استفاده از برنامه ریزي ژنتیک بار معلق رسوب را با استفاده از ورودي هاي دبی جریان رودخانه لیقوان و می سی سی پی مورد مطالعه قرار داد و نشان داد که می توان با الگوي ورودي جریان تا سه روز قبل براي رودخانه می سی سی پی و یک روز قبل براي رودخانه لیقوان بار معلق رسوب انتقالی را شبیه سازي نمود. نخستین بار کوسین و سویک - - 4 از برنامه ریزي ژنتیک براي مدل سازي بارش-رواناب استفاده کردند.
لوپز و وینرت - - 5 مدل برنامه ریزي ژنتیک را براي مدل سازي سري هاي زمانی به کار بردند. در این مطالعه چندین سري زمانی مختلف از جمله جریان رودخانه ریوگراند در سد فارناس در برزیل، رودخانه نیل در مصر و رودخانه تایت در ایستگاه کامبیکا با استفاده از EGIPSYS بر مبناي مقادیر رواناب پیشین مدل سازي شدند. نتایج نشان دادند که روش پیشنهادي براي مدل سازي سري زمانی مناسب می باشد.
قربانی و همکاران - - 6 با استفاده از برنامه ریزي ژنتیک به پیش بینی سطح آب دریا در غرب استرالیا پرداختند. ترزي - - 7 با استفاده از برنامه ریزي ژنتیک و نروفازي به برآورد تبخیر روزانه تشت تبخیر در منطقه دریاچه ایدیر در ترکیه پرداخت. هدف از این تحقیق مدل سازي بارش – رواناب به روش برنامه ریزي ژنتیک و بررسی و عملکرد این روش در حوضه آبریز لیقوان می باشد.
- 2 مواد و روش ها
-1-2 منطقه و داده هاي مورد استفاده
حوضه آبریز لیقوان از زیرحوضه هاي مهم و معرف حوضه آبریز تلخه رود بوده که با وسعتی معادل 76/19 کیلومتر مربع در استان آذربایجان شرقی در دامنه شمالی سهند ما بین 46 درجه و 25 دقیقه تا 26 دقیقه طول شرقی و 37 درجه و 45 دقیقه تا 37 درجه و 50 دقیقه عرض شمالی گسترش یافته است. رودخانه لیقوان به عنوان زهکش اصلی حوضه مذکور بوده و جریانات خودرا به رودخانه تلخه رود و نهایتاً دریاچه ارومیه تخلیه میکند.
مهم ترین شاخه هاي رودخانه عبارتند از باراله چاي, بزکش چاي و باغچه دره و بلندترین نقطه حوضه با ارتفاع 3620 متر از سطح دریاي آزاد در جنوب شرقی ارتفاعات سهند و پایین ترین نقطه آن با ارتفاع 2140 متر در محل ایستگاه هیدرومتري لیقوان می باشد. شکل حوضه به صورت کشیده و با فرکانس آبراهه اي 1/2 و طولانی ترین شاخه اصلی حوضه در محل ایستگاه هیدرومتري لیقوان 17 کیلومتر با شیب متوسط 11 درصد می باشد. موقعیت جغرافیایی حوضه آبریز لیقوان در شکل 1 نشان داده شده است.
شکل -1 موقعیت کلی حوضه لیقوان در کشور
در تحقیق حاضر جهت شبیهسازي بارش- رواناب از دادههاي ساعتی شش رویداد رگبار به همراه رواناب ناشی از آن ها استفاده گردید. در جدول 1 مشخصات آماري هرکدام از این سري دادهها ارائه شده است.
جدول -1 مشخصات آماري رویدادهاي مورد استفاده
-2-2 برنامهریزي ژنتیک - - GP
برنامه ریزي ژنتیک تعمیم یافته الگوریتم ژنتیک میباشد که براي اولین بار بر اساس تئوري داروین ارائه شد. به این ترتیب که جمعیتی در جهت تکامل به صورت انتخابی، جمعیت نامناسب را رها کرده و فرزندانی اصلاح شده ایجاد میکنند. برنامه ریزي ژنتیک یک تکنیک برنامهریزي خودکار میباشد که راه حل مسئله را با استفاده از برنامه کامپیوتري ارائه میکند.
در این روش در ابتداي فرآیند هیچگونه رابطه تابعی در نظر گرفته نشده و این روش قادر به بهینه سازي ساختار مدل و مؤلفه هاي آن می باشد. برنامهریزي ژنتیک بر خلاف الگوریتم ژنتیک روي ساختار درختی فرمول ها به جاي سلسله ارقامِ دودوئی عمل میکند. ساختارهاي درختی از مجموعه توابع - عملگرهاي ریاضی مورد استفاده در فرمول ها - و ترمینالهامتغیرهاي مسئله و اعداد ثابت - ایجاد میشوند . قبل از مراحل اجرایی برنامه ریزي ژنتیک گام هاي مقدماتی زیر باید توسط کاربر تعیین شوند
1. مجموعه ترمینال ها متغیر هاي مسئله، اعداد ثابت تصادفی - ، .2 مجموعه عملگرهاي ریاضی مورد استفاده در فرمول ها، .3 انتخاب تابع برازش، براي سنجش برازش فرمول ها، .4 تعیین پارامترهاي کنترل کننده اجراي برنامه - اندازه جمعیت، احتمال مربوط به به کارگیري عمل هاي ژنتیکی و جزئیات دیگر مربوط به اجراي برنامه - .5 ‚ معیار پایان و ارائه نتایج اجراي برنامه - مثل، تعداد تولید جمعیت جدید، تعیین یک مقدار مشخص براي برازش فرمول ها که اگر میزان برازش برابر یا بیشتر از آن مقدار شد، اجرا متوقف شود - . فرآیند اجرایی گام به گام برنامه ریزي ژنتیک به صورت مراحل زیر است:
.1 تولید یک جمعیت اولیه از فرمول ها که این فرمول ها از ترکیب تصادفی مجموعه توابع - عملگرهاي ریاضی مورد استفاده در فرمول ها - و ترمینالهامتغیرهاي مسئله و اعداد ثابت - ایجاد میشوند، .2 هر یک از افراد جمعیت مذکور با استفاده از توابع برازش مورد ارزیابی قرار می گیرند، .3 تولید یک جمعیت جدید از فرمول ها، که مراحل زیر براي تولید یک جمعیت جدید دنبال می شود:
الف. یکی از عمل هاي ژنتیکی تلاقی1، جهش2 و تولید مثل3 انتخاب می شود - این سه عمل ژنتیکی، مهم ترین عمل هاي ژنتیکی مورد استفاده در برنامه ژنتیک میباشند. عمل هاي دیگري مثل اصلاح ساختار و... نیز با احتمال کمتر مورد استفاده قرار میگیرند. - ،
ب. تعداد مناسبی از افراد جمعیت حاضر انتخاب می شوند - انتخاب فرد یا افرادي از جمعیت مذکور به صورت احتمالاتی میباشد که در این انتخاب احتمالاتی منفردهاي با برازش بهتر به منفردهاي نامرغوب ترجیح داده میشوند و این بدان معنییستن که حتماً منفردهاي نامرغوب حذف میشوند - ،
ج. از عمل ژنتیکی انتخاب شده براي تولید فرزند - فرمول جدید - استفاده می شود، د. فرزند - فرمول جدید - تولید شده در یک جمعیت جدید وارد می شود ‚ ه. مدل مورد نظر با استفاده از تابع برازش مورد ارزیابی واقع می شود. .4 گام سوم تا نیل به حداکثر تعداد تولید، تکرار خواهد شد. طرح کلی گام هاي اجرایی برنامه ریزي ژنتیک درشکل 2 نشان داده شده است.
