نوع مقاله : مقالات پژوهشی
نویسندگان
چکیده
افزایش روز افزون جمعیت باعث شده است که نیازهای آبی در بخشهای آب شرب، صنعت وکشاورزی افزایش یابد. این شرایط نیاز به اعمال راه کارهایی موثر، برای مدیریت بهینه وکارآمد آب دارد. لذا در این تحقیق مدلی برای تخصیص بهینه منابع آب در بین بخش های کشاورزی، صنعت و خدمات ارائه گردیده است. در بخش کشاورزی تابع تولید هر یک از محصولات تعیین شده است. سپس براساس توابع تولید، سطح زیرکشت، عملکرد محصول و درآمد حاصله از هر محصول، تابع هدف تلفیقی مشخص گردیده است. در بخش صنعت با توجه به این که تقاضای آب، تابعی از میزان محصول، قیمت نهاده آب و قیمت سایر نهاده‌ها می باشد، تابع تقاضای این بخش نیز تعیین گردید. با توجه به ضرورت موجود در بخش خدمات، کل آب مورد نیاز این بخش به طور کامل تخصیص داده شد. سپس با استفاده از الگوریتم تلفیقی ژنتیک- هوش جمعی (GAPSO)، بیشینه سازی تابع هدف و تخصیص بهینه منابع آب بین بخش کشاورزی و صنعت، انجام گردید. با توجه به نتایج تحقیق، قابل ذکر است که استفاده از الگوهای کم آبیاری، تغییر الگوی کشت، حذف سطح زیرکشت بعضی از محصولات و استفاده از منابع آبی بیشتر در حوضه صنعت می تواند در بالا بردن درآمدهای حاصله تا 114(میلیارد ریال) تأثیر گذار باشد. در مجموع با تخصیص بهینه منابع آب بین بخش های مختلف (کشاورزی، صنعت و خدمات) باید بیان نمود؛ می توان درآمدهای حاصله در منطقه کویر مرکزی ایران را تا 56 درصد نسبت به وضعیت فعلی بهبود بخشید که در این صورت، شاهد تحول قابل توجهی در این منطقه خواهیم بود. لذا تغییر در الگوی تخصیص منابع آب در این منطقه امری لازم و ضروری به نظر می آید.
کلیدواژه‌ها
عنوان مقاله [English]
Development of Optimization Model for Water Allocation in Agriculture, Industry and Service sectors By Using Advanced Algorithm, GAPSO
نویسندگان [English]
- M. Habibi Davijani
- M.E. Banihabib
- S.R. Hashemi
چکیده [English]
Population growth has caused increase of water demand for the drinking water, industry and agriculture. This condition needs the application of effective measures for optimal water management. So, in this research, a water allocation model is proposed for agriculture, industry and service sectors. In agricultural sector, production function of each crop is determined and then, objective function is specified based on the production function, and income of crops. In the industrial sector, the water demand of the product is function of water and other material prices and so, the demand function is determined based on these factors. Due to the necessity of water for the service sector, the total water demand of this section was fully allocated. Then, using innovative learning algorithms, a combination of genetic algorithms-Collective Intelligence (GAPSO), objective function is maximized and optimal allocation of water for agriculture and industry, were determined and compared. According to the result mentioned, use pattern of deficit irrigation model, changing crop pattern, remove the acreage of some crops and use of more water resources in the industry field can be effect on increase revenues to 114 billion Rls. In sum, the income of agriculture and industry in the Iran Central Kavir basin can be up to 56 percent of revenues of the current situation using water resource allocation for different sectors. In this case, the region will witness a remarkable progress. Therefore changes in the water resources allocation of the area seem to be necessary.
کلیدواژه‌ها [English]
- Water Resources
- Agriculture and Industry
- Optimization
- Genetic Algorithms
- Particle swarm optimization
- GAPSO
)
ارسال نظر در مورد این مقاله