تدوين قوانين بلند‌مدت بهينه تخصيص آب و بار آلودگي در سيستم‌هاي رودخانه- مخزن- آب زيرزميني: كاربرد مدل شبيه‌سازي SVR

Long-term Optimum Water and Waste Load Allocation Rules in River-Reservoir-Groundwater Systems: Application of SVR Simulation Model

در اين تحقيق، مدل جديدي براي تخصيص همزمان آب و بار آلودگي در سيستم‌هاي روخانه‌-‌مخزن-سفره زيرزميني با در نظر گرفتن بهره‌برداري تلفيقي از منابع آب سطحي و زيرزميني و كيفيت آب ارايه شده است. بدين‌منظور يك مدل بهينه‌سازي غيرخطي چند-دوره‌اي كمي-كيفي در يك افق بلند مدت، تدوين شده است. در اين مدل، حاصل‌جمع هزينه تامين آب براي نيازهاي آبي و تامين قيود كيفي در تمام دوره برنامه‌ريزي، حداقل مي‌گردد. بدين‌ترتيب، از پتانسيل هماهنگ‌سازي بهره‌برداري از مخزنسفره زيرزميني و رودخانه در يك ساختار چنددوره‌اي به نحوي استفاده مي‌شود كه تصميم‌هاي هر دوره حداقل هزينه تامين آب و برقراري كيفيت مورد نياز را يك افق بلند‌مدت به همراه داشته باشد. نتايج حاصله از كاربرد مدل پيشنهادي در بهره‌برداري تلفيقي كمي-كيفي آب در زير‌حوضه پايين‌دست سد زاينده‌رود مبين دقت مدل بهينه‌سازي و توانايي الگوريتم حل بكار برده شده براي حل سريع مدل غيرخطي تدوين‌شده مي‌باشد. همچنين مدل بهينه‌سازي پيشنهاد‌شده، كارايي بسيار مناسبي در استفاده توامان از پتانسيل‌هاي مكاني و زماني سيستم آبي و كاهش اثرات نامطلوب تخصيص نامناسب آب و بار آلودگي داشته است. در ادامه، بر مبناي نتايج حاصله از مدل بهينه‌سازي پيشنهادي، يك مدل ماشين بردار پشتيبان آموزش داده شده است. نتايج حاصله از كاربرد مدل ماشين بردار پشتيبان صحت‌سنجي‌شده نشان‌دهنده كارايي بسيار مناسب آن در پيش‌بيني كيفيت آب و تخصيص‌هاي آب بوده است.

In this paper, a new model for integrated water and waste load allocation in river-reservoir-groundwater systems under hydro-system parameters uncertainty is introduced. A non-linear multi-period interval optimization model that considers water quality constraints is developed for a long-term planning horizon. In this model, the summation of water supply and water quality standard violation costs for all months is minimized to obtain optimum integrated water and waste load allocation decisions. Coordinated reservoir-groundwater-river operation potentiality is used within a multi-period framework to obtain monthly decisions for water withdrawals and wasteload allocations that are optimum. Analysis of the results obtained for the Zayandehrude Dam sub-basin shows the model accuracy and solution method robustness in optimization of a highly non-linear model. Based on the results of the optimization model, a Support Vector Machine is trained and verified which can be accurately used for real-time operation of this complex system.