Optimizing water resources allocation to agricultural use with Fuzzy Data Envelopment Analysis (FDEA) and Genetic algorithms (case study: Varamin)

صاحب اثر: شرکت مدیریت منابع آب ایران

مجری: دانشگاه تربیت مدرس

نوع محتوی: طرح پژوهشی

Language: Persian

Document National Code: R-1283657

Publish: 7 October 2021

دسته بندی علمی: مهندسی آب و هیدرولوژی

Pages: 117

Publish Year: 1393

This Research With 117 Page And PDF Format Ready To Download

DOWNLOAD Research

Optimizing water resources allocation to agricultural use with Fuzzy Data Envelopment Analysis (FDEA) and Genetic algorithms (case study: Varamin) abstract

The restriction on the available water resources and on the other hand the 90% consumption of the available water resources for irrigation in agriculture, has introduced water as an economic and valuable good.
The purpose of this study is to suggest a strategy to optimize the water consumption in the agricultural sector of Varamin field through applying water efficiency in the agricultural products.
In order to accomplish the above objectives, efficiency measuring methods including: FDEA and NSGA-II have been used to compare the results of these two methods.
The results of FDEA model shows that the Corn with efficiency value of 1.54 Ranked first in terms of water productivity, risk and profits for farmers. The watermelon also with the efficiency value of 0.46 ranked last and considering the high consumption of water for one unit of product compared to the others, and high cultivation with relatively high risk and low profit, was diagnosed inefficient.
With the implementation of linear optimization model which done in Lingo 11, Two approaches to the problem have adopted.one is minimizing the water consumption in the area with reduction of risk when the amount of gained profit doesn’t not be less than current state and the other is Maximizing the total area profit with current risk water consumption situation. In the first scenario the results show the optimization of water consumption up to 22 percent of the current state.
In the second scenario the results showed that it is possible to increase the total profit up to 24 percent with the current state of water consumption for annual cultivation.
Water consumption optimization through NSGA-II genetic algorithms was also associated with significant results so that the saving in water consumption was 23.5 percent and, the risk was 20 percent lower than it’s current state and also the profit raised 2 percent. Comparing the results of the models, it can be said that both methods have acquired almost similar combinations of cultivated crops. However, coding and implementation of linear programming is easier than genetic algorithm and also faster in reaching to the target. There is also possible to do sensitivity analysis of output results and the opportunity cost is computable. On the other hand, the genetic algorithm, regarding the generation of Pareto boundary, make many choices, as optimal level available to us. According to the requirements and objectives of the program, each of these choices could be optimal function.
At last, the spatial allocation optimization of the cultivation Composition (Crop pattern) obtained by MOLA method

فهرست مطالب Research

فصل اول: - مقدمه ۱
۱ - ۱ مقدمه: . - ...................... ................................ ................................ ................................ ................................ ۲
۱ - ۲ تعریف مساله تحقیق . - ................................ ................................ ................................ ................................ ۳
۱ - ۳ پیشینه تحقیق . - ............ ................................ ................................ ................................ ................................ ۴
۱ - ۴ سوالات تحقیق: . - ........ ................................ ................................ ................................ ................................ ۷
۱ - ۵ اهداف تحقیق . - .......... ................................ ................................ ................................ ................................ ۷
۱ - ۶ فرضیه های تحقیق: . - ... ................................ ................................ ................................ ................................ ۷
۱ - ۷ شرح فصول پایان نامه . - ............................... ................................ ................................ ................................ ۸
۲ فصل دوم: مبانی نظری - ۹
۲ - ۱ مقدمه . - ..................... ................................ ................................ ................................ ................................ ۱۰
۲ - ۲ روش های مورد استفاده تحقیق . - .............. ................................ ................................ ................................ ۱۰
۲ - ۲ - ۱ تحلیل پوششی داده ها ) - DEA ................................ ................................ ................................ ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ) ۱۰
۲ - ۲ - ۱ - ۱ دو مشخصه اساسی برای الگوی ) - DEA ................................ ................................ .......... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ) ۱۲
۲ - ۲ - ۱ - ۲ بازده به مقیاس الگوی مورد استفاده . - .................... ................................ ................................ ۱۳
۲ - ۲ - ۱ - ۳ انواع مدل های - DEA .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۱۳
۲ - ۲ - ۱ - ۳ - ۱ مدل اصلی - CCR .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۱۴
۲ - ۲ - ۱ - ۳ - ۲ مدل اصلی - BBC .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۱۵
۲ - ۲ - ۱ - ۴ تعاریف . - ................................ ................................ ................................ ................................ ۱۵
۲ - ۲ - ۱ - ۵ انواع کارایی . - ....................... ................................ ................................ ................................ ۱۶
۲ - ۲ - ۱ - ۶ برخی از مزایای روش - DEA ................................ ................................ ........................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . : ۱۷
۲ - ۲ - ۲ منطق فازی . - .... ................................ ................................ ................................ ................................ ۱۹
۲ - ۲ - ۲ - ۱ مجموعه های فازی . - ............... ................................ ................................ ................................ ۲۱
۲ - ۲ - ۲ - ۲ منطق های ریاضی . - ................. ................................ ................................ ................................ ۲۲
۲ - ۲ - ۲ - ۳ ویژگی های منطق فازی . - ....... ................................ ................................ ................................ ۲۲
۴ ۲ ۲ ۲ منطق فازی چگونه به کار گرفته می شود؟ . - - - - ........... ................................ ................................ ۲۳
۲ - ۲ - ۲ - ۵ دو نوع توجیه برای سیستم های فازی وجود دارد -  .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۲۳
۲ - ۲ - ۲ - ۶ منطق فازی و کاربرد آن در تصمیم گیری . - .......... ................................ ................................ ۲۴
۲ - ۲ - ۳ الگوریتم ژنتیک . - ........................... ................................ ................................ ................................ ۲۶
۲ - ۲ - ۳ - ۱ کروموزوم . - ........................... ................................ ................................ ................................ ۲۸
۲ - ۲ - ۳ - ۲ جمعیت . - ................................ ................................ ................................ ................................ ۲۹
۲ - ۲ - ۳ - ۳ عملگرهای الگوریتم ژنتیک . - ............................... ................................ ................................ ۲۹
۲ - ۲ - ۳ - ۳ - ۱ کد گذاری . - ................ ................................ ................................ ................................ ۲۹
۲ - ۲ - ۳ - ۳ - ۲ ارزیابی . - ....................... ................................ ................................ ................................ ۲۹
۲ - ۲ - ۳ - ۳ - ۳ ترکیب . - ....................... ................................ ................................ ................................ ۳۰
۲ - ۲ - ۳ - ۳ - ۴ تقاطع . - .......................... ................................ ................................ ................................ ۳۰
۲ - ۲ - ۳ - ۳ - ۵ جهش. . - .......................... ................................ ................................ ................................ ۳۲
۲ - ۲ - ۳ - ۳ - ۶ رمزگشایی . - ................... ................................ ................................ ................................ ۳۲
۲ - ۲ - ۴ الگوریتم ژنتیک رتبه بندی نامغلوب - NSGA-II .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۳۳
۲ - ۲ - ۴ - ۱ مفهوم غلبه ) - Dominance ................................ ................................ ............................. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ) ۳۶
۲ - ۲ - ۴ - ۲ روش مرتب سازی سریع برای جستجوی افراد غالب. . - ........................... ................................ ۳۷
۲ - ۲ - ۴ - ۳ محاسبه شاخص تراکم افراد در جمعیت . - ............. ................................ ................................ ۳۸
۳ - ۶ - ۲ - ۳ عملگر انتخاب تورنمنت باینری . - ........................ ................................ ................................ ۳۸
۲ - ۲ - ۴ - ۴ پیاده سازی الگوریتم - NSGA-II .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۳۸
۲ - ۳ تخصیص کاربری اراضی چند هدفه مکانی - MOLA .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۴۲
۲ - ۳ - ۱ روش تجزیه و تحلیل . - .................... ................................ ................................ ................................ ۴۳
۲ - ۳ - ۲ تهیه پایگاه داده به منظور ارزیابی منطقه مورد مطالعه . - ... ................................ ................................ ۴۳
۲ ۳ - ۳ وزن دهی لایه ها به روش - AHP .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . ۴۳
۲ - ۳ - ۴ - AHP .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۴۴
۲ - ۳ - ۵ ادغام خطی وزن دار شده ) - Weighted Linear Combination (WLC) ..................... . . . . . . . . . . . ) ۴۴
۲۳ - ۶ ارزیابی رویکرد - WLC .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۴۵
۳ فصل سوم: منطقه مورد مطالعه، مواد و روش ها - ۴۶
۳ - ۱ سیمای منطقه مورد مطالعه . - ...................... ................................ ................................ ................................ ۴۷
۳ - ۲ چهره کشاورزی شهرستان ورامین . - .......... ................................ ................................ ................................ ۴۹
۳ - ۳ مواد و روشها . - .......... ................................ ................................ ................................ ................................ ۵۰
۳ - ۳ - ۱ داده ها . - .......... ................................ ................................ ................................ ................................ ۵۱
۳ - ۳ - ۱ - ۱ داده های میدانی که از طریق پرسشنامه گردآوری شدند: . - .................. ................................ ۵۱
۳ - ۳ - ۱ - ۲ داده های گردآوری شده از سازمانها و ادارات مربوطه . - ...................... ................................ ۵۳
۳ - ۴ محاسبات آزمایشگاهی . - .......................... ................................ ................................ ................................ ۵۶
۳ - ۵ برآوردنیاز آبی گیاه - KC .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۵۶
۴ فصل چهار: پیاده سازی و تجزیه و تحلیل نتایج - ۶۵
۴ - ۱ مقدمه . - ..................... ................................ ................................ ................................ ................................ ۶۶
۴ - ۲ تعیین کارایی واحدهای کشت با استفاده از الگوریتم تحلیل پوششی داده های فازی) - FDEA .......... . . . . . ) ۶۶
۴ - ۳ تعریف ورودی ها و خروجی ها . - ............... ................................ ................................ ................................ ۶۸
۴ - ۳ - ۱ ورودی های مدل . - ........................... ................................ ................................ ................................ ۶۹
۴ - ۳ - ۲ خروجی مدل . - ................................ ................................ ................................ ................................ ۶۹
۴ - ۴ تشکیل اعداد فازی . - ................................ ................................ ................................ ................................ ۶۹
۴ - ۵ بهینه سازی تخصیص منابع آب با استفاده از تغییر در ترکیب الگوی کشت از طریق برنامه ریزی خطی - . ۷۵
۴ - ۶ تحلیل حساسیت خروجی مدل بهینه سازی مصرف آب در نرم افزار لینگو . - ............ ................................ ۷۹
۴ - ۷ بهینه سازی سود کل با استفاده از برنامه ریزی خطی در نوم افزار - LINGO .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۸۱
۴ - ۸ تحلیل حساسیت خروجی مدل بهینه سازی سود محصولات . - .. ................................ ................................ ۸۴
۴ - ۹ بهینه سازی تخصیص منابع آب از طریق الگوریتم ژنتیک -  NSGA-II .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۸۵
۴ - ۹ - ۱ مولفه های مدل ریاضی . - .................. ................................ ................................ ................................ ۸۵
۴ - ۹ - ۱ - ۱ متغیرهای تصمیم . - .................. ................................ ................................ ................................ ۸۶
۴ - ۹ - ۱ - ۲ توابع هدف . - .......................... ................................ ................................ ................................ ۸۶
۴ - ۹ - ۱ - ۳ محدودیت ها . - ........................ ................................ ................................ ................................ ۸۷
۴ ۱ ۹ ۴ تابع جریمه . - - - - ........................... ................................ ................................ ................................ ۸۸
۴ - ۱۰ نتایج پیاده سازی - II-NSGA .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۸۹
۴ - ۱۱ تخصیص مکانی الگوی کشت با استفاده از روش بهینه سازی - MOLA .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۹۲
۴ - ۱۲ تهیه پایگاه داده . - .... ................................ ................................ ................................ ................................ ۹۲
۴ - ۱۳ اجرای - MOLA .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . ۹۳
۵ فصل پنجم: نتیجه گیری و پیشنهادات - ۹۵
۵ - ۱ مقدمه . - ..................... ................................ ................................ ................................ ................................ ۹۶
۵ - ۲ نتیجه گیری . - ............ ................................ ................................ ................................ ................................ ۹۷
۵ - ۳ صادرات غیر مستقیم آب . - ....................... ................................ ................................ ................................ ۹۸
۵ - ۴ پیشنهادات . - .............. ................................ ................................ ................................ ................................ ۹۹
منابع .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۱۰۰
ABSTRACT .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۱۰۲

نمایش کامل متن

Optimizing water resources allocation to agricultural use with Fuzzy Data Envelopment Analysis (FDEA) and Genetic algorithms (case study: Varamin) authors

جلال کرمی (پژوهشگر)

مرتضی طاهری (پژوهشگر)

عباس علیمحمدی سراب (پژوهشگر)