بهینه سازی کاربری اراضی حوزه آبخیز شهری بایگ به کمک الگوریتم ژنتیک و برنامه ریزی خطی
Publish place: The second national conference on sustainable development in energy, water and environmental engineering systems
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 531
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SDEWE02_074
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
بهره برداری صحیح و اصولی از منابع طبیعی باعث حفظ این ثروت های ارزشمند می شود و به کارگیری دانش بهینه سازی می تواند کمک موثری در این راستا باشد. بر همین اساس هدف از این مطالعه مقایسه الگوریتم تکاملی ژنتیک و روش کلاسیک برنامه ریزی خطی در بهینه سازی کاربری اراضی حوزه آبخیز بایگ می باشد. نتایج مطالعه نشان داد که در صورت بهینه سازی کاربری اراضی با برنامه ریزی خطی مساحت زراعت دیم کاهش و زراعت آبی افزایش می یابد. بعد از کمینه سازی، رواناب سطحی و رسوبدهی کل حوزه به ترتیب 1/16، 12/91 درصد کاهش خواهد یافت. در صورت بهینه سازی کاربری اراضی با الگوریتم ژنتیک، مساحت مرتع و زراعت آبی افزایش پیدا کرده و مساحت باغ آبی، بادام کاری و زراعت دیم کاهش می یابد. ضمن اینکه بعد از بهینه سازی، رواناب سطحی و رسوب دهی کل حوزه به ترتیب 13/95 و 31/99 درصد کاهش خواهد یافت. نتایج همچنین نشان داد که برنامه ریزی خطی در مقایسه با الگوریتم ژنتیک، در ارضای محدودیت ها بسیار بهتر عمل کرد و قید مساحت مجموع کاربری ها در برنامه ریزی خطی ارضا و در الگوریتم ژنتیک برآورده نشد. نتایج بدست آمده از تحلیل حساسیت نشان داد که حساس ترین ضریب در تابع کمینه سازی رواناب و رسوب دهی، ضریب مربوط به زراعت دیم با هزینه کاهش یافته برابر با 67/52 می باشد. همچنین نتایج گویای آنست که محدودیت سطوح کل کاربری ها و محدودیت حداقل سطوح مراتع به ترتیب با قیمت سایه ای 397/40 و 233/28 بیشترین تاثیر منفی را بر جواب بهینه و محدودیت های حداکثر سطح کاربری باغات آبی و محدودیت حداکثر سطح کاربری بادام کاری به ترتیب با قیمت سایه ای 134/97-118/44- بیشترین تآثیر مثبت را بر جواب بهینه خواهند داشت. بعنوان نتیجه گیری کلی می توان بیان کرد که الگوریتم های تکاملی (مانند الگوریتم ژنتیک) زمانی که با مسایلی که دارای محدودیت های زیاد هستند مواجه می شوند، در مقایسه با تکنیک های کلاسیک بهینه سازی ضعیف تر عمل می کنند.
Keywords:
Authors
آرزو خیرخواه برجقلعه
دانشجوی کارشناسی ارشد آبخیزداری دانشگاه بیرجند
سیدمحمد تاجبخش فخرآبادی
استادیار، دانشکده منابع طبیعی و محیط زیست دانشگاه بیرجند
هادی معماریان خلیل آباد
استادیار، دانشکده منابع طبیعی و محیط زیست دانشگاه بیرجند
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :