تدوین قوانین احتمالاتی برای بهره‌برداری بهینه تلفیقی کمّی-کیفی از منابع آب سطحی و زیرزمینی در زمان واقعی: کاربرد ماشین‌های بردار پشتیبان

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش‌آموخته‌ دکترا، گروه علوم و مهندسی آب، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران

2 دانشیار قطب علمی مهندسی و مدیریت زیرساخت‌ها، دانشکده مهندسی عمران، دانشگاه تهران

3 استاد گروه علوم و مهندسی آب،‌ دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران

4 دانشجوی دکترا، مهندسی معماری، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران

5 دانشجوی دکترای مهندسی عمران- آب، دانشکده مهندسی عمران، دانشگاه تهران

6 کاندیدای دریافت دکترای مهندسی عمران-آب، دانشکده مهندسی عمران، دانشگاه تهران

چکیده

تعیین سیاست‌های بهینه بهره‌برداری تلفیقی از منابع آب سطحی و زیرزمینی زمانی که تصمیم‌گیران و ذینفعان متفاوت با اهداف متضادی وجود دارند، مسئله‌ای پیچیده است. در این مقاله، یک روش جدید برای تدوین قوانین بهره‌برداری تلفیقی از منابع آب سطحی و زیرزمینی در زمان واقعی، ارائه شد. در روش پیشنهادی، برای تعیین منحنی‌های تعامل بین اهداف، از الگوریتم ژنتیک چندهدفه NSGA-II و در رفع اختلاف بین تصمیم‌گیرندگان، از تئوری رفع اختلاف یونگ استفاده شد. همچنین برای برطرف نمودن مشکل زمان اجرای مدل بلند مدت در بهره‌برداری در زمان واقعی، استفاده از ماشین‌های بردار پشتیبان احتمالاتی که قابلیت ایجاد خروجی احتمالاتی و ارائه قوانین مدیریت منابع آب را دارا هستند، پیشنهاد گردید. مدل ارائه شده برای تدوین قوانین بهره‌برداری تلفیقی از منابع آب سطحی و زیرزمینی تهران به‌کار گرفته شده است. ذینفعان در منطقه مورد مطالعه، دارای مطلوبیتهای متفاوت و بعضاً متضادی نظیر تأمین آب با کیفیت مناسب، کاهش هزینه‌های پمپاژ،  بهبود کیفیت آب آبخوان و کنترل نوسانات سطح آب زیرزمینی هستند. در روش ارائه شده، مدل‌های شبیه‌سازی جریان آب زیرزمینی MODFLOW و پخش و انتقال آلاینده MT3D با مدل بهینه‌سازی NSGA-II تلفیق شدند تا منحنی‌های تعامل بین اهداف به‌دست آیند. بهترین نقطه روی منحنی تعامل به‌کمک مدل‌ رفع اختلاف یونگ انتخاب شد. نتایج مدل پیشنهادی نشان دهنده اهمیت اعمال یک مدل رفع اختلاف یکپارچه و قابلیت مناسب ماشین‌های بردار پشتیبان در تدوین قوانین بهره‌برداری تلفیقی از منابع آب سطحی و زیرزمینی در زمان واقعی در منطقه مورد مطالعه است. نتایج نشان می‌دهند که میزان دقت قوانین تخصیص آب محاسبه شده در مرحله صحت‌سنجی بیش از 80 درصد است. بر اساس این قوانین، تغییرات تجمعی تراز سطح آب زیرزمینی در آبخوان تهران در یک دوره برنامه‌ریزی 15 ساله در حد 80 سانتی‌متر محدود شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Developing Probabilistic Operating Rules for Real-time Conjunctive Use of Surface and Groundwater Resources:Application of Support Vector Machines

نویسندگان [English]

  • Mohammad Reza Bazargan-Lari 1
  • Reza Kerachian 2
  • Hossein Sedghi 3
  • Mahsa Fallahnia 4
  • Armaghan Abed-Elmdoust 5
  • Mohmmad Reza Nikoo 6
1 Graduated Ph.D. Student, Dept. of Water Sciences and Eng., Sciences and Research Branch, Islamic Azad university,Tehran, Iran
2 Assoc. Prof., Center of Excellence for Eng. and Management of Infrastructures, Dept. of Civil Eng., University of Tehran
3 Prof., Dept. of Water Sciences and Eng., Science and Research Branch, Islamic Azad university, Tehran, Iran
4 Ph.D. Student, Dept. of Architectural Eng., Science and Research Branch, Islamic Azad university, Tehran, Iran
5 Ph.D. Student of Water Civil Eng., Dept. of Civil Eng., University of Tehran
6 Ph.D. Candidate, Dept. of Civil Eng., University of Tehran
چکیده [English]

Developing optimal operating policies for conjunctive use of surface and groundwater resources when different decision makers and stakeholders with conflicting objectives are involved is usually a challenging task. This problem would be more complex when objectives related to surface and groundwater quality are taken into account. In this paper, a new methodology is developed for real time conjunctive use of surface and groundwater resources. In the proposed methodology, a well-known multi-objective genetic algorithm, namely Non-dominated Sorting Genetic Algorithm II (NSGA-II) is employed to develop a Pareto front among the objectives. The Young conflict resolution theory is also used for resolving the conflict of interests among decision makers. To develop the real time conjunctive use operating rules, the Probabilistic Support Vector Machines (PSVMs), which are capable of providing probability distribution functions of decision variables, are utilized. The proposed methodology is applied to Tehran Aquifer inTehran metropolitan area,Iran. Stakeholders in the study area have some conflicting interests including supplying water with acceptable quality, reducing pumping costs, improving groundwater quality and controlling the groundwater table fluctuations. In the proposed methodology, MODFLOW and MT3D groundwater quantity and quality simulation models are linked with NSGA-II optimization model to develop Pareto fronts among the objectives. The best solutions on the Pareto fronts are then selected using the Young conflict resolution theory. The selected solution (optimal monthly operating policies) is used to train and verify a PSVM. The results show the significance of applying an integrated conflict resolution approach and the capability of support vector machines for the real time conjunctive use of surface and groundwater resources in the study area. It is also shown that the validation accuracy of the proposed operating rules is higher that 80% and based on these rules, the cumulative groundwater table variation is limited to 80 centimetres during a 15-year planning horizon.

کلیدواژه‌ها [English]

  • Conjunctive use
  • Groundwater
  • NSGA-II
  • Conflict Resolution
  • Support Vector Machines
  • Tehran Aquifer
1- Emch, P.G., and Yeh, W.W-G., (1998). “Management model for conjunctive use of coastal surface water and groundwater.” J. of Water Resources Planning and Management, 124 (3), 129-139.
2- Azaeiz, M.N.(2002). “A model for cunjunctive use of ground and surface water with opportunaty costs.” European j. of Operation Research, 143, 611-624.
3- Karamouz, M., Kerachian, R., and Zahraie, B. (2004) “Monthly water resources and irrigation planning: Case study of conjunctive use of surface and groundwater resources.” J. of Irrigation and Drainage Engineering, 130, 93-98.
4- Karamouz, M., Rezapour Tabari, M. M., and Kerachian, R. (2007) “Application of genetic algorithm and artificial neural networks in conjunctive use of surface and groundwater resources.” Water International, 32, 163-176.
5- Rezapour Tabari, M. M., Maknoon, R., and Ebadi, T. (2009). “Multi-objective optimal model for surface and groundwater conjuctive use management using SGAs and NSGA-II.” J. of Water and Wastewater, 69, 2-12. (In Persian)
6- Rezapour Tabair, M. M., Maknoon, R., and Ebadi, T. (2009). “Conjuctive use management under uncertainty in aquifer parameters.” J. of Water and Wastewater, 72, 2-15. (In Persian)
7- Bazargan-Lari, M. R., Kerachian, R., and Mansoori, A. (2009). “A conflict-resolution model for the conjunctive use of surface and groundwater resources that considers water-quality issues: A case study.” Environmental Management, 43, 470-482.
8- Kerachian, R., Fallahnia, M., Bazargan-Lari, M. R., Mansoori, A., and Sedghi, H. (2010). “A fuzzy game theoretic approach for groundwater resources management: Application of rubinstein bargaining theory.” Resources Conservation and Recycling, 54 (10), 673-682.
9- Vapnik, V. (1995). The nature of statistical learning theory, Springer-Verlag, NewYork.
10- Byun, H., and Lee, S. W. (2002). “Applications of support vector machines for pattern recognition: A survey.” In: Lee, S. W., and Verri, A., (Eds.), Pattern Recognition with Support Vector Machines,Springer–Verlag,BerlinHeidelberg, 213-236.
11- Temko, A., and Nadeu, C. (2006). “Classification of acoustic events using SVM-based clustering schemes.” In Pattern Recognition, 39, 682-694.
12- Khalil, A., Almasri, M. N., McKee, M., and Kaluarachchi, J. J. (2005). “Applicability of statistical learning algorithms in groundwater quality modeling.” Water Resources Research, 41, 1-16.
13- Asefa, T., Kemblowski, M., McKee, M., and Khalil, A. (2005). “Multi-time scale stream flow predictions: The support vector machines approach.” J. of Hydrology, 318, 7-16.
14- Safavi, H. R., Afshar, A., Ghaheri, A., Abrishamchi, A., and Tajrishi, M. (2007). “A quality-quantity simulation mode for stream-aquifer interaction.” J. of Water and Wastewater, 61, 2-14. (In Persian)
15- Deb, K., Agrawal, S., Pratap, A., and Meyarivan, T. (2000). A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II, KANGAL Rep. No. 200001, Indian Institute of Technology,Kanpur,India.
16- Cortes, C., and Vapnik, V. (1995). “Support-vector network.” Machine Learning, 20, 273-297.
17- Burges, C. J. C. (1998). “A tutorial on support vector machines for pattern recognition.” J. Data Mining and Knowledge Discovery, 2(2), 1-47.
18- Wu, T. F., Lin, C. J., and Weng, R. C. (2004). “Probability estimates for multi-class classification by pairwise coupling.” J. Machine Learning Research, 5, 975-1005.
19- Lin, H. T., Lin, C. J., and Weng, R. C. (2003). A note on Platt’s probabilistic outputs for support vector machines, Technical Report, Department of Computer Science, National Taiwan University, URL <http://www.csie.ntu.edu.tw/cjlin/papers/plattprob.ps.> (May 19, 2009).
20- Assgari, H. (2008). “River water quality zoning using support vecor machines (SVMs).” M.Sc. Thesis, Dept. of CivilEng.,TehranUniversity. (In Persian)
21- Bazargan Lari, M. R. (2009). “A conflict resolution model for conjuctive use of surface and groundwater resources: Considering the water quality issues.” Ph.D Thesis, Dept. of Water Sciences andEng., Sciences and Research Branch, IslamicAzadUniversity,Tehran. (In Persian)
22- Shirangi, E., Kerachian R., and Bajestan, M.S. (2008). “A simplified model for optimal reservoir operation considering the water quality issues: Application of the Young conflict resolution theory.” Environmental Monitoring Assessment, 146 (1-3), 77-89.