تدوین مدل شبیه‌سازی-بهینه‌سازی مدیریت تغذیه‌گرایی در مخازن آب سطحی با رویکرد پویایی سیستمها

فصلنامه علمی مهندسی منابع آب

مقاله 4، دوره 13، شماره 47، دی 1399، صفحه 43-60   

نوع مقاله: مقاله پژوهشی

نویسنده

فریبرز معصومی^*

گروه مهندسی عمران دانشکده فنی و مهندسی دانشگاه محقق اردبیلی، اردبیل، ایران

تاریخ دریافت: 03 خرداد 1398،  تاریخ بازنگری: 30 خرداد 1399،  تاریخ پذیرش: 17 دی 1399 

چکیده

در این تحقیق برای نخستین بار یک مدل شبیه­سازی-بهینه سازی بر پایه پویایی سیستم با نرم­افزار Anylogic برای مدیریت تغذیه گرایی در مخازن سدها  ارائه شده است. بدین منظور روابط عناصر مرتبط با تغذیه­گرایی در لایه­های مختلف سد کرخه و در ارتباط با هم در قالب یک مدل پویایی سیستم فرموله شدند. مقایسه نتایج مدل شبیه­سازی تدوین شده با نتایج مدل­های شبیه­سازی CE-QUAL-W2 و Vensim در یک بازه زمانی یکساله نشان داد که مقدار ضریب همبستگی( ) برای متغیرهای فسفات، آمونیوم، نیترات، اکسیژن محلول و کلروفیل آ بین دو مدل Anylogic و CE-QUAL-W2 به ترتیب برابر 89/0 ، 81/0 ، 78/0، 75/0 و 86/0 و مقدار این ضریب برای متغیرهای یاد شده بین نتایج دو مدل Anylogic و Vensim برابر با 98/0، 94/0، 90/0، 93/0 و 97/0 می­باشند که همبستگی بالای بین نتایج مدل Anylogic را با دو مدل یاد شده نشان می­دهد.
سپس با ترکیب مدل شبیه­سازی تدوین شده  با مدل بهینه­سازی بازپخت فلزات، یک مدل شبیه­سازی-بهینه­سازی برای تعیین مقادیر بهینه خروجی آب از  مخزن، با لحاظ اهداف کمی و کیفی بدست آمد. در اینجا مقدار میانگین مربعات خطاها بین نتایج دو مدل برای لایه­های پایینی، میانی و بالایی مخزن به ترتیب برابر با 004/0، 007/0 و 010/0 و مقدار ضریب همبستگی( ) به ترتیب برابر با 91/0، 9/0 و 79/0 بودند که حکایت از نزدیک بودن نتایج دو مدل دارد. این درحالی است که زمان اجرای مدل SA-Anylogic به مراتب کم­تر از مدل SA-CE_QUAL_W2 می­باشد. بدین ترتیب مطالعه حاضر کارآیی مدل پیشنهادی را در مدیریت تغذیه­گرایی مخازن سدها نشان داد.

کلیدواژه‌ها

تغذیه گرایی؛ شبیه سازی-بهینه سازی؛ پویایی سیستم؛ شبیه‌سازی بازپخت؛ مدل شبیه‌ساز Anylogic

عنوان مقاله [English]

Development of Simulation-Optimization Model for Eutrophication Management in Surface Water Reservoirs by System Dynamic Approach

نویسندگان [English]

fariborz masoumi

Department of civil Engineering, University of Mohaghegh Ardabili, Ardabil, Iran

چکیده [English]

In this research, for the first time, a simulation-optimization system dynamic-based model with Anylogic software for reservoir eutrophication management is presented. Thus, the relationships of the elements related to eutrophication were formulated in different layers of Karkheh Dam and in relation to each other in the system dynamics form. comparing the presented results with the results of the CE-QUAL-W2 and Vensim simulation models over a one-year period showed that the value of the correlation coefficient (𝑅2) for the variables phosphate, ammonium, nitrate, Dissolved oxygen and Chlorophyll-A between the two models of Anylogic and CE-QUAL-W2 is equal to 0.89, 0.81, 0.78, 0.75 and 0.86, respectively, and the value of this coefficient for the mentioned variables is equal between the two models of Anylogic and Vensim. With 0.98, 0.94, 0.90, 0.93 and 0.97, which shows the high correlation between the results of Anylogic model with the two mentioned models. Then, by combining the developed model in Anylogic environment with a simulated annealing optimization model, a simulation-optimization model was developed to determine the optimal values of water releases from different layers of reservoir in 15 years’ horizon considering the quantitative and qualitative objectives. Here, the RMSE between the results of the two models for the lower, middle and upper layers of the reservoir is 0.004, 0.007 and 0.010, respectively, and 𝑅2 is 0.91, 0.9 and 0.79. The results indicated that the results of the two models were similiar. This study showed the effectiveness of the proposed model in the management of dam eutrophication.

کلیدواژه‌ها [English]

Eutrophication, Simulation-Optimization, System Dynamic, Simulated Annealing, Anylogic Simulation Model

مراجع

1)        اوهب یزدی س ی، احمدی آ، 1397، شبیه­سازی رفتار عامل­های مؤثر در مدیریت منابع آب جهت ارزیابی تعاملات آنها تحت چارچوب مدلسازی عامل­بنیان در محدوده لنجانات حوضه زاینده­رود، تحقیقات منابع آب ایران، سال 14، شماره 2، صفحات 131 الی 149.

2)        بووی ج، 2000، مدلسازی کیفی آبهای سطحی: سینتیک، ثوابت و نرخ­ها، ترجمه سیدحسین هاشمی و علی ترابیان، انتشارات دانشگاه تهران، جلد دوم.

3)        جواهری ش، سعادت­پور م. 1396. استخراج قوانین بهره‎برداری از مخزن برقابی در ساختار برداشت انتخابی با در نظر گرفتن اهداف کمی و کیفی؛ رویکرد شبیه‎سازی-بهینه سازی مبتنی بر فرامدل. تحقیقات منابع آب ایران، جلد 13:3 ، صفحات 128 الی 142

4)        سعادتپور م، 1391، تعیین سیاست­های بهینه بهره­برداری از مخزن با درنظر گرفتن اهداف کمی و کیفی، رساله برای دریافت درجه دکتری در رشته مهندسی عمران گرایش مهندسی آب، دانشگاه علم و صنعت ایران

5)        معصومی ف، 1394، تدوین مدل چندهدفه غیرقطعی تخصیص بار چندآلاینده در سیستم رودخانه-مخزن؛ رویکرد شبیه­سازی-بهینه­سازی، رساله برای دریافت درجه دکتری در رشته مهندسی عمران گرایش مهندسی آب، دانشگاه علم و صنعت ایران

6)       Afshar A, Feizi F, Moghadam A.Y, & Saadatpour M. 2017. Enhanced CE-QUAL-W2 model to predict the fate and transport of volatile organic compounds in water body: Gheshlagh reservoir as case study. Environmental earth sciences. 76(23):803.‏

7)      Afshar A, Saadatpour M. 2009. Reservoir Eutrophication Modelling, Sensitivity Analysis, and Assessment; Application to Karkheh Reservoir, Iran.  Journal of Environmental Engineering Science. 26 (7):1227-1238.

8)      Afshar A, Saadatpour M, & Marino M.A. 2012. Development of a Complex System Dynamic Eutrophication Model: Application to Karkheh Reservoir. Journal of Environmental Engineering Science. 29(6):373-385.

9)       Afshar A, Masoumi F. 2016. Waste Load Reallocation in River-Reservoir Systems; Simulation- Optimization Approach. Environmental Earth Science. Vol. 75. DOI 10.1007/s12665-015-4812-x.

10)   Afshar, A., Masoumi, F. and Sandoval Solis, S., 2018. Developing a Reliability-Based Waste Load Allocation Strategy for River-Reservoir Systems. Journal of Water Resources Planning and Management, 144(9), p.04018052

11)   Ahmad S, Simonovic S.P. 2004. Spatial system dynamics: new approach for simulation of water resources systems. Journal of Computing in Civil Engineering. 18(4):331-340.‏

12)  Chapra S.D. 2000.  Surface Water Quality Modeling, 1th Eds. Mc Graw-Hill, Inc, New York.

13)   Chaves P, Tsukatani T, & Kojiri, T. 2004. Operation of Storage Reservoir for Water Quality by Using Optimization and Artificial Intelligence Techniques. Mathematics and Computers in Simulation. 67:419–432.

14)   Dhar A, & Datta B. 2008. Optimal operation of reservoirs for downstream water quality control using linked simulation optimization. Hydrological Processes. 22(6):842–853.

15)   Elmahdi A, Malano H, & Etchells T.2007. Using system dynamics to model water-reallocation. The Environmentalist. 27(1):3-12.‏

16)   Forrester J.W. 1961. Industrial Dynamics. Cambrige, MA: MIT Press; currently available from Pegasus Communications, Waltham, MA.

17)   Friedl G, Wuest A. 2002. Disrupting biogeochemical cycles- Consequences of Damming. Aquatic Science. 64:55-65.

18)   Harmon TS. 2014. Hydrologic fragmentation induced eutrophication in Dove Sound, Upper Florida Keys, USA. Environ Earth Sci. 71:4387–4395.

19)   Karamouz M, Ahmadi A, & Moridi A. 2009. Probabilistic Reservoir Operation using Bayesian Stochastic Model and Support Vector Machine. Advances in Water Resources. 32:1588–1600.

20)   Karamouz M, Moridi A, & Fayazi, H. 2008. Dealing with Conflict over Water Quality and Quantity Allocation: A Case Study. Scientia. 15(1):34-49.

21)   Karamouz M,  & Taheriyoun M. 2010. Developing a system dynamics model for phosphorous TMDL in reservoir: a case study. In Proceedings of the World Environmental and Water Resources Congress. P. 1495-1502.‏

22)   Karamouz M, Taheriyoun M, Baghvand A, Tavakolifar H, & Emami F. 2010. Optimization of watershed control strategies for reservoir eutrophication management. Journal of Irrigation and Drainage Engineering. 136(12): 847-861.‏

23)   Kerachian R. & Karamouz M. 2007. A Stochastic Conflict Resolution Model for Water Quality Management in Reservoir–River Systems. Advances in Water Resources. 30:866–882.

24)   Kirkpatrick S., Gelatt C. D., & Vecchi M. P. 1983. Optimization by simulated annealing, Science. 220: 671-680.

25)   Mashaly A.F., & Fernald A.G. Identifying Capabilities and Potentials of System Dynamics in Hydrology and Water Resource as a Promising Modeling Approach for Water Management. Water, 12, 1432; doi:10.3390/w12051432

26)    asoumi F, Afshar A, & Palatkaleh S.T. 2016. Selective withdrawal optimization in river–reservoir systems; trade-offs between maximum allowable receiving waste load and water quality criteria enhancement. Environmental Monitoring and Assessment. Vol. 188, DOI 10.1007/s10661-016-5386-0.

27)   Neumann D.W, Zagona E.A. & Rajagopalan B. 2006. A Decision Support System to Manage Summer Stream Temperatures. JAWRA Journal of the American Water Resources Association. 42:1275-1284. doi:10.1111/j.1752 1688. 2006. tb05300.x

28)   Nazari-Sharabian M, Taherioun M, Ahmad S, Karakouzian M, & Ahmadi A. 2019. Water Quality Modeling of Mahabad Dam Watershed-Reservoir System under Climate Change Conditions, using SWAT and System Dynamics. Water. 11(2), 394; https://doi.org/10.3390/w11020394

29)   Saadatpour M, and Afshar A. 2011a. MultiObjective Simulation-Optimization Approach in Pollution Spill Response Management Model in Reservoirs. Proceeding of the Water Engineering and Management in a Changing Environment, Italy, Catania, June 29, July 2.

30)   Saadatpour M. and Afshar A. 2011b. Emergency Reservoir Operation for Pollution Spill Response Management”, Proceeding of the 64th CWRA National Conference, “Our Water-Our Life-The Most Valuable Resource”, St. John’s NL Canada, June 27-30.

31)   Saadatpour M, Afshar A, & Edinger J.E. 2017. Meta-model assisted 2D hydrodynamic and thermal simulation model (CE-QUAL-W2) in deriving optimal reservoir operational strategy in selective withdrawal scheme. Water Resources Management. 31(9):2729-2744.

32)   Saadatpour S, Afshar A, & Sandoval Solis A. 2020. Surrogate-based Multi-Period, Multi-Objective Reservoir Optimization for Quality and Quantity Management. Journal of Water Resource Planning and Management. 146(8), 10.1061/ (ASCE) WR.1943-5452.0001252

33)   Shirangi E, Kerachian R, & Bajestan M.S. 2008. A Simplified Model for Reservoir Operation Considering the Water Quality Issues: Application of the Young Conflict Resolution Theory. Environmental Monitoring and Assessment. 146:77–89.

34)   Simonovic S.P, Fahmy H. 1999. A new modeling approach for water resources policy analysis, Water resources research. 35(1):295-304.‏

35)   Soltani F., Kerachian R, & Shirangi E. Developing Operating Rules for Reservoirs Considering the Water Quality Issues: Application of ANFIS-Based Surrogate Models. 2010. Expert Systems with Applications. 37: 6639–6645.

36)   Soleimani S, Bozorg-Haddad O, Saadatpour M, & Loáiciga H.A. 2016. Optimal selective withdrawal rules using a coupled data mining model and genetic algorithm. Journal of Water Resources Planning and Management. 142(12), 04016064.‏

37)   Soleimani S, Bozorg-Haddad O, Saadatpour M, & Loáiciga H. A. 2019. Simulating thermal stratification and modeling outlet water temperature in reservoirs with a data-mining method. Journal of Water Supply: Research and Technology-Aqua. 68(1):7-19.‏

38)   Stamou A.I, Hadjibiros K, Andreadakis A. et al. 2007. Establishing Minimum Water Level for Plastiras Reservoir (Greece) Combining Water Quality Modeling with Landscape Aesthetics. Environmental Modelling and Assessment. 12:157–170.

39)   Sterman J.D. 2000. Business Dynamics: System Thinking and Modeling for a Complex World. Irwin, McGraw-Hill.

40)   Vezjak, M., Savsek, T., & Stuhler, E. A. 1998. System dynamics of euthrophication processes in lakes. European Journal of Operational Research. 109(2):442-451.‏

41)   Wurbs R.A., Karama A.S. 1995. Salinity and Water-Supply Reliability. Journal of Water Resources Planning and Management. 121 (5): 352-358.

42)   Zhang Y, Xia J, Chen J & Zhang M. 2011. Water Quantity and Quality Optimization Modeling of Dams Operation Based on SWAT in Wenyu River Catchment, China. Environmental Monitoring and Assessment. 173: 409–430.