این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۴، شماره ۳، صفحات ۱-۱۳
عنوان فارسی بهینه سازی تخصیص آب در شرایط کم آبی با استفاده از روشهای برنامه‌ریزی غیرخطی، هوش جمعی و الگوریتم ژنتیک (مطالعه موردی)
چکیده فارسی مقاله با توجه به محدودیت منابع آب، افزایش نیازهای آبی و وقوع خشکسالی‌های متناوب، صرفه جوئی در مصرف آب و استفاده کارآمد از آن امری لازم و ضروری است که استفاده از تکنیکهای مناسب بهینه سازی در این خصوص می‌تواند راهگشا باشد. در این تحقیق، مقایسه تکنیک‌های مختلف بهینه سازی برنامه ریزی خطی (NLP)1، هوش جمعی (PSO)2 و الگوریتم ژنتیک (GA)3 در مدیریت تخصیص آب کشاورزی در شرایط خشکسالی با حداکثر سازی درآمد، هدف قرار داده ‌شده ‌است. بدین منظور دوره خشکسالی سالهای آبی 78-1377 تا 80-1379 در شبکه‌های آبیاری زاینده رود اصفهان مورد بررسی قرار گرفت. بر این اساس مدل‌سازی‌های لازم در چهار لایه که سد چادگان، شبکه‌ها، محصولات و دور آبیاری را در برداشت، توسعه یافت. مقایسه نتایج برتری روش NLP و سپس PSO را نشان داد. ضمن اینکه نشان داده شد که این رویکرد تا 36 درصد امکان افزایش درآمد را نسبت به مدیریتهای سنتی دارد. 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Optimization of Water Allocation During Water Scarcity Condition Using Non-Linear Programming, Genetic Algorithm and Particle Swarm Optimization (Case Study)
چکیده انگلیسی مقاله Water resources limitations, increasing water demands, and occurrence of frequent droughts in our country call for saving water programs and efficient use of available water supply. In this regard the optimization approaches can be an efficient tool. The main objective of this study is the comparison of three optimization approaches including Non-Linear Programming (NLP), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO) when applied to the water allocation management during droughts. These are used to maximize the income in Zayandeh rud irrigation system in Esfahan, Iran during the 1999 -2001 drought. Each model considered the four layers; Chadagan dam operation, irrigation networks, crops, and growth stages. Comparison of the results showed that the highest income is obtained by NLP. Furthermore, this optimization method can increase the irrigation network income by about a 36% compared to the traditional managements.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهنوش مقدسی |
دانشجوی دکتری دانشکده کشاوزری، دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

سعید مرید |
دانشیار دانشکده کشاورزی، دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

شهاب عراقی نژاد |
استادیار دانشکده کشاورزی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://www.iwrr.ir/article_15700_d64689fc8268f9f2ab825ee13dff897b.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات