رویکرد شبیه سازی-بهینه‌سازی جهت تعیین مشخصات بهینه ی سدهای تأخیری پاره سنگی در شرایط سیلابی

فصلنامه علمی مهندسی منابع آب

مقاله 11، دوره 12، شماره 42، آبان 1398، صفحه 132-140   

نوع مقاله: مقاله پژوهشی

نویسندگان

نفیسه خرم شکوه¹؛ محمدرضا نیکو^{* 2}؛ سید محمد علی زمردیان³

¹دانش‌آموخته کارشناس ارشد سازه‌های آبی، بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز

²هیئت علمی دانشگاه شیراز

³دانشیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز

تاریخ دریافت: 10 شهریور 1396،  تاریخ بازنگری: 06 خرداد 1397،  تاریخ پذیرش: 06 بهمن 1398 

چکیده

سدهای تأخیری پاره­سنگی از جمله روش­های سازه­ای مهار کردن سیلاب هستند که هیچ هسته یا غشاء نفوذ­ناپذیری نداشته و به طور عمده جهت مهار سیلاب به کار می­روند. این سدها بده­ی اوج سیلاب عبوری را کاهش­ داده و در زمان وقوع آن تأخیر ایجاد می­نمایند؛ بدین­ترتیب خسارات جانی و مالی سیل را در پایین­دست، کمتر می­کنند. شاید بتوان گفت برای اولین­بار، روش­شناسی جدیدی برای تدوین یک نمونه­ی شبیه‌سازی-­بهینه‌سازی جهت تعیین مشخصات بهینه­ی سدهای تأخیری پاره‌سنگی در این پژوهش ارائه گردیده است. نمونه­ی مذکور، برمبنای فرانمونه­ی شبکه عصبی مصنوعی پرسپترون چندلایه، و نمونه­ی بهینه‌سازی الگوریتم ژنتیک استوار است. بدین‌منظور، در ابتدا، از داده­های منتج از آزمایش­های مربوط به نمونه­ی آزمایشگاهی محیط متخلخل پاره­سنگی، مربوط­ به خرم­شکوه (1391) جهت آموزش و اعتبارسنجی نمونه­ی شبکه­ی عصبی پرسپترون چند­لایه استفاده شده است. در ادامه، با اتصال نمونه­ی شبکه­ی عصبی مصنوعی صحت‌سنجی شده به عنوان یک فرانمونه­ی شبیه­ساز رفتار هیدرولیکی سد پاره­سنگی، به نمونه­ی بهینه‌سازی الگوریتم ژنتیک، نمونه­ی شبیه‌سازی- بهینه‌سازی، به­منظور تعیین مشخصات بهینه­ی سد تأخیری پاره­سنگی با لحاظ تعامل بین متغیرهای طراحی و آب­­نگار سیل عبوری از سد تأخیری پاره­سنگی، تدوین گردید. نتایج حاصل از روش­شناسی پیشنهاد­شده، نشان می­دهند که ضخامت بهینه­ی محاسبه­شده مربوط به محیط متخلخل پاره­سنگی، بازاء جمیع بده­ی سیلاب‌های محتمل، 6/17 سانتیمتر بوده و همچنین قطر متوسط بهینه­ی سنگدانه­های تعبیه شده در بدنه، 2 سانتیمتر حاصل گردیده است. همچنین، بازاء مقادیر بهینه­ی طراحی، بده­ی اوج آب­نگار سیل عبوری از محیط متخلخل پاره­سنگی %18/47 کاهش یافته است و طول مدت سیلاب نیز در شرایط بهینه، %94/39 افزایش داشته است.

کلیدواژه‌ها

سد تأخیری پاره‌سنگی؛ شبکه عصبی پرسپترون چند‌لایه؛ فرامدل؛ مدل بهینه‌سازی الگوریتم ژنتیک؛ مخلوط رسوبات چسبنده و غیرچسبنده

عنوان مقاله [English]

A simulation-optimization approach to determine optimum features of detention rockfill dams under flood condition

نویسندگان [English]

Nafiseh Khoramshokooh¹؛ Mohammad Reza Nikoo²؛ Seyed Mohammad Ali Zomorodian³

¹Graduated M.Sc., School of Agriculture, Department of Water Engineering, Shiraz University, Shiraz, Iran.

²Associate Professor, Department of Civil and Environmental Engineering, College of Engineering, Shiraz University, Shiraz, IRAN

³Associate Professor of water engineering department, School of Agriculture, Shiraz University, Shiraz, Iran.

چکیده [English]

Detention rockfill dams are one of the structural methods that can control flood risks with no impermeable core or membrane. These dams decrease the maximum discharge of flood hydrograph and postpone the time of its occurrence reducing life and financial losses in downstream. In this research study, maybe for the first time, a new methodology based on Multi-Layer Perceptron (MLP) artificial neural network meta-model and genetic algorithm optimization model is proposed for optimum design of detention rockfill dam. Hence, results of experiments done on the rockfill dam model, from Khorramshokouh (1391), are used in order to train and validate the MLP neural network model. The MLP neural network model is in fact a meta-model of simulating the hydraulic performance of detention rockfill dam which is linked to genetic algorithm optimization model to determine the optimal features of detention rockfill dam regarding the relationship between design variables and flood hydrograph passed through the porous media. Results of the proposed methodology depict that for the total discharges of probable floods, the optimum thickness of detention rockfill dam and the mean diameter of rockfills in the porous media are 17.6 cm and 2 cm, respectively. Also, in the optimum state, the peak discharge of flood hydrograph has 47.18% reduction and flood duration increases 39.94%.

کلیدواژه‌ها [English]

Detention Rockfill Dam, Multilayer Perceptron Neural Network, Meta-model, Genetic Algorithm Optimization Model, Cohesive and Non-cohesive Mixed Sediment

مراجع

1)       Barton, J.M.h. and Buchberger, S.G. 2007. Effect of Media Grain Shape on Particle Straining During Filtration. Journal of Environmental Engineering. ASCE. 2:211-219. 

2)       Ding, Y. and Wang, S.S.Y. 2012. Optimal Control of Flood Diversion in Watershed Using Nonlinear Optimization. Advances in Water Resources. 44:30-48.

3)       Dudgeon, C.R. 1967. Flow of Water Through Coarse Granular Materials. University of New South Wales Water Research Laboratory Report. No. 76.

4)       Forchheimer P.H. 1901. Wasserbewegun durch boden, zeitschrift des vereins deutscher ingenieure. 49:1736-1749 and 50:1781-1788.

5)       Franca M.J. and Almeida A.B. 2004. A Computational Model of Rockfill Dam Breaching Caused by Overtopping (RoDaB). Journal of Hydraulic Research. 2:197-206.

6)       Khorramshokouh, N. 2013. Optimal Thickness and Transmission Capacity of Cohesive and Non-Cohesive Sediment in Detention Rockfill Dam. School of Agriculture, Shiraz University (In Persian).

7)       Leps, T.M. 1973. Flow Through Rockfill Embankment Dam Engineering Casagrande. Edited bschfeld, R.C. and Poulos, S.J. John Wiley & Sons. PP. 87-107.

8)       Nikoo, M.R. and Khorramshokouh, N. 2017. Multi-Objective Optimization of Detention Rockfill Dam Characteristics Considering Hydraulic Conditions and Application of Borda Count Social Choice and Nash- Harsanyi Bargaining Models. Water and Soil Knowledge. 26(2): 13-25 (In Persian).

9)       Nikoo, M.R., Khorramshokouh, N. and Monghasemi, S. 2015. Optimal Design of Detention Rockfill Dams Using a Simulation-based Optimization Approach With Mixed Sediment In The Flow. Water Resources Management, 29(15): 5469-5488.

10)   Park, C.H., Joo, J.G. and kim, J.H. 2012. Integrated Washland Optimization Model for Flood Mitigation Using Multi-Objective Genetic Algorithm. Journal of Hydro-Environment Research. 6:119-126.

11)   Samani, J. M.V., Samani, H.M.V. and Shaiannejad, M. 2004. Reservoir Routing With Outflow Through Rockfill Dams. IAHR Journal of Hydraulic Research. 42:435-439.

12)   Scheidegger, A.E. 1974. The Physics of Flow Through Porous Media (3rd edn). University of Toronto Press. PP. 152-170.

13)   Wilkins, J.K. 1956. Flow of Water Through Rockfill and Its Application to The Design of Dam. Proceedings of the second Australian New Zealand conference on soil mechanic and foundation engineering. pp. 141-149.         

14)   Yazdi, J. and Salehi Neyshabouri, S.A.A. 2014. Identifying Low Impact Development Strategies for Flood Mitigation Using A Fuzzy-Probabilistic Approach. Environmental Modeling & Software. 60:31-44.

Zomorodian, S.M.A. and Zahed, M. 2007. Optimization of Rockfill Dam Thickness Using Monte Carlo method. International River Engineering