واسنجي مدل برنامه ريزي منابع آب با استفاده از بهينه سازي توابع هدف متعدد

Calibration of a Water Resource Planning Model using Many-Objective Optimization

مدلهاي برنامه‌ريزي منابع آب معمولاً شامل اجزاء هيدرولوژيكي، تخصيص و اقتصادي اند بطوريكه لازم است مقادير پارامترهاي مختص به هر جزء بدرستي برآورد شود. تمركز اصلي اين مقاله بر موضوع واسنجي مدلهاي برنامه‌ريزي منابع آب خواهد بود. روش‌شناسي اين تحقيق شامل سه بخش اصلي است: 1- توسعه يك مدل برنامه‌ريزي منابع آب در محيط نرم‌افزار WEAP براي سيستم رودخانه‌هاي زرينه‌رود و سيمينه‌رود واقع در حوضه آبريز درياچه اروميه، 2- استفاده از الگوريتم VARS براي تحليل حساسيت پارامترهاي مدل توسعه يافته، و 3- بكارگيري الگوريتم بهينه‌سازي دسته ذرات با توابع هدف متعدد (MaOPSO) براي واسنجي مدل و تخمين پارامترهاي آن. شايان ذكر است كه الگوريتمهاي بهينه‌سازي با توابع هدف متعدد براي مسائل با بيش از 3 هدف بكار مي‌روند و در اين تحقيق نيز واسنجي 7 تابع هدف تعريف شده مبتني بر معيارهاي خطاي سري‌هاي زماني شبيه‌سازي نسبت به مشاهدات براي آبدهي در محل ايستگاه‌هاي هيدرومتري، حجم مخازن سدها و حجم آبخوان‌هاي حوضه مورد نظر است. همچنين پارامترهاي واسنجي شامل مقادير اولويت تقاضا، نرخ مصرف آب سايت‌هاي كشاورزي، بيشينه حجم برداشت سالانه از آبخوان‌ها و پارامترهاي رابطه تراز-حجم آبخوان‌ها در نظر گرفته مي‌شود. تحليل حساسيت پارامترها نشان مي‌دهد كه از بين كل 27 پارامتر، تنها 17 پارامتر بر شاخصهاي خطاي شبيه‌سازي موثرند. همچنين نتايج مقايسه عملكرد الگوريتم MaOPSO با نتايج الگوريتم بهينه‌سازي دسته ذرات چندهدفه (MOPSO) مبتني بر دو معيار گستردگي جبهه پارتو و همگرايي جواب، حاكي از عملكرد بهتر الگوريتم MaOPSO در مواجهه با مسئله واسنجي مدل برنامه‌ريزي منابع آب با اهداف متعدد است.

Water resource planning models traditionally incorporate hydrologic, water allocation and economic modules whose parameters should be properly estimated. This paper focuses on calibration of a water resource planning model. Our methodology includes three main parts: 1) development of a water resource planning model using WEAP software for Zarineh and Simineh River Basins located in Urmia Lake Basin in Iran, 2) application of VARS algorithm for sensitivity analysis of parameters of the developed model, and 3) usage of Many Objective Particle Swarm Optimization (MaOPSO) algorithm for model calibration and parameter estimation. It is worth mentioning that many objective optimization algorithms are utilized for problems with more than 3 objectives and here in this study we intend calibration of 7 objective functions defined based on Nash-Sutcliffe efficiency indices calculated in terms of residuals of time series of simulated and observed values of river discharge at stream gauges’ locations, dam reservoir’s storage volume, and aquifers’ storage volume. Furthermore the model’s parameters includes allocation priority, consumption rate, maximum withdrawal, and parameters of elevation-volume curves of aquifers. Sensitivity analysis using VARS algorithm shows that there are 17 influential parameters from total 27 parameters which are considered in calibration phase. To evaluate performance of MaOPSO, its results are compared to results derived using multi-objective PSO, which shows that MaOPSO has better performance dealing with such a complex problem.