Optimization of urban storage tanks by using water resources planning MODSIM model and PSO algorithm(Case study: Gorgan city)

Document Type : Research Paper

Authors

• s h ¹
• a d ²
• a z ²
• m sh ³
• m m ²

¹ دانش آموخته کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

² دانشیار، گروه مهندسی آّب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

³ استادیار، گروه عمران آب و محیط زیست، دانشگاه شهید بهشتی

Abstract

Due to population growth and urban development, need to water increases and comprehensive plan for providing sufficient and good quality of water is vital. The modelling is one of the important tool for management and programming of water supply and consumption. For managing the pressure and velocity in water distribution networks the Gorgan city is divided to different pressure zone based on topography and the storage tank is used in each zone to supply the water. The storage tanks in different pressure zone interact with the others to reduce the difference between water supply and water demands. In this study, the optimum volume of storage tanks are obtained based on MODSIM and metaheuristics PSO models. MODSIM is a water resources management decision support system for analysis of long term, planning, medium term management, and short term operations.
The daily data were used during the years of 2012 to 2013 for calibration of model and the results were evaluated based on reliability and vulnerability criteria.
The results show that the Zone1 (the northern part of the Gorgan city), Zone 8,9 and 10 (the southern part of Gorgan) don’t need to increasing the volume of storage tank in all scenarios for long term operations (2041). The results also showed that the Zone 2 to 7 need to increase the storage tank volume. Among all pressure zone, the Zone 3 is critical zone in term of water shortage and the amount of vulnerability is 11500 cmd(cubic meter per day

Keywords

• Optimization
• MODSIM
• PSO
• reliability index
• vulnerability index

20.1001.1.20086377.1397.11.38.7.2

---

References

منابع

1)    سروری، م. ر. معراجی، س. ح. ولی پور، ر. معراجی، س. ص. 1385. الگوریتم بهینه سازی PSO و کاربرد آن در طراحی بهینه حجم مخازن سدها. همایش ملی مدیریت شبکه‌های آبیاری و زهکشی. دانشگاه شهید چمران اهواز.

2)    فلاح مهدی پور، ا.، خیاط خلقی، م.، و بزرگ حداد، ا. 1387. کاربرد الگوریتم بهینه سازی مجموعه ذرات چندهدفه در بهره برداری چند منطوره از مخزن. سومین کنفرانس مدیریت منابع آب ایران، دانشگاه تبریز.

3)    آزادنیا، ا. زهرایی، ب. 1389. کاربرد الگوریتم بهینه سازی PSO در بهینه سازی چند هدفه بهره­برداری از مخازن سدها. پنجمین کنگره ملی مهندسی عمران. دانشگاه فردوستی مشهد.

4)    سبززاده، ا. علیمحمدی، س. 1391. برآورد ضریب جریان بازگشتی از کشاورزی به کمک الگوریتم بهینه سازی دسته ذرات، نشریه آبیاری و زهکشی ایران. 4 (6): 290-305.

5)    شریفی، ف. 1384. بهینه سازی بهره برداری از مخازن چندمنظوره با استفاده از الگوریتم چند جامعه ای مورچه­ها. پایان نامه کارشناسی ارشد. دانشگاه علم و صنعت.

6)       Baltar, A. M. and Fontane, D. G. 2008. Use of multiobjective particle swarm optimization in water resources management.  ASCE Journal of Water Resources Planning and Management. 134(3): 275-265.

7)       Eberhart, R. C. and Kennedy, J. 1995. A new optimizer using particle swarm theory. Proceedings Sixth Symposium on Micro Machine and Human Science. pp. 39-43. IEEE Service Center, Piscataway, NJ.

8)       Eberhart R. C., Simpson, P., and Dobbins, R., 1996. Computational Intellingence PC Tools. Academic Press.

9)       Gill M. K., Kaheil, Y. H., Khalil, A., and McKee, M., Bastidas, L. 2006. Multiobjective particle swarm optimization for parameter estimation in hydrology. Water Resources Research.

10)   Joubert, A. Stewart, T. J. and Eberhard, R. 2003. Evaluation of water supply augmentation and demand management option for the City of Cape Town. Journal of Multi-Criteria Decision Analysi. 12(1): 17-25.

11)   Premalatha, K. and Natarajan, M. 2009. Precreant PSO for fastening the convergence to optimal solution in the application of document clustering. Current Science. 96 (1): 137-143.

12)   Reddy, M. J. and Kumar, D. N. 2007. Multi-objective particle swarm optimization for generating optimal trade-offs in reservoir operation. Hydrological Processes. 21: 2897-2909.