طراحی بهینه حوضچه‌های بازداشت در حوضه‌های آبریز با استفاده از الگوریتم بهینه‌ساز جامعه مورچگان چند هدفه و مدل SWAT

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استاد تمام دانشگاه علم و صنعت ایران، دانشکده عمران

2 دانشجوی کارشناسی ارشد عمران- گرایش سازه‌های هیدرولیکی، دانشگاه علم و صنعت ایران، دانشکده عمران*(مسؤول مکاتبات)

3 دانشجویی کارشناسی ارشد، دانشگاه تربیت مدرس تهران، دانشکده کشاورزی

چکیده

زمینه و هدف: کنترل بار آلودگی غیر نقطه­ای[1] به منظور سالم نگاه­داشتن پیکره­های آبی از اهمیت به سزایی در مدیریت سیستم­های منابع آب برخوردار است. یکی از موثرترین سازه­ها در مدیریت بار آلودگی غیر نقطه­ای، حوضچه­های بازداشت می­باشند. طراحی یکپارچه­ی مجموعه حوضچه­های بازداشت در مجموعه زیر حوضه­ها می­تواند با بازدهی بیشتری در حذف رسوبات همراه باشد. جهت دست­یابی به این هدف اتصال الگوریتم­های بهینه­ساز و نرم­افزارهای مدل­سازی حوضه­های آبریز می­تواند کمک به سزایی در طراحی بهینه­ی حوضچه­های بازداشت باشد.
روش کار: هدف از انجام این پژوهش استفاده از یک مدل شبیه­ساز-بهینه­ساز چند منظوره برای برنامه­ریزی و طراحی یکپارچه­ی حوضچه­های بازداشت در سطح حوضه­های آبریز است که بتوان مصالحه­ای را بین اهداف مختلف برقرار نمود. واضح است که با استفاده از حوضچه­های بازداشت بزرگتر و با تعداد بیشتر می­توان میزان حجم بالاتری از رسوبات را به دام انداخت، ولی متعاقبا هزینه­های ساخت حوضچه­های بازداشت نیز افزایش خواهد یافت. جهت بهینه­سازی اندازه و مکان حوضچه­های بازداشت در این مساله­ی دو هدفه، از الگوریتم دو هدفه جامعه مورچگان و جهت شبیه­سازی حوضه­­ی آبریز از مدل SWAT بهره­گرفته شده است. با استفاده از الگوریتم بهینه­سازی جامعه مورچگان دو هدفه می­توان به یک جبهه جواب­های نامغلوب از دو تابع هدف متضاد دست یافت که عبارتند از: هزینه­های کنترل بار رسوب تولیدی و بار رسوب تولیدی.
یافته­ها و نتایج: کارایی مدل پیشنهادی بر روی یک حوضه­ی آبریز در غرب ایران مورد مطالعه قرار گرفته است. استفاده از بهینه­ساز کلونی مورچگان و شبیه­ساز SWAT، به محققین توانایی مدل­سازی حوضه­های آبریز و کنترل بار آلودگی غیر نقطه­ای را خواهد داد. مدل چند هدفه با توجه به فراهم نمودن جبهه پرتو می­تواند مدیران را در اتخاذ راهکار مناسب جهت کنترل کیفیت رواناب خروجی از حوضه­ی آبریز یاری نماید.



4- Non-Point Source Management (NPSM)

کلیدواژه‌ها


 

 

 

 

 

علوم و تکنولوژی محیط زیست ، دورهشانزدهم، شماره ویژه  93

 

طراحی بهینه حوضچه­های بازداشت در حوضه­های آبریز با استفاده از
الگوریتم بهینه­ساز جامعه مورچگان چند هدفه و مدل SWAT

 

عباس افشار[1]

محمد جواد امامی اسکاردی [2]*

Mj.imami@gmail.com

فرزین جیرانی [3]

 

تاریخ دریافت:10/8/90

تاریخ پذیرش:20/11/90

 

چکیده

زمینه و هدف: کنترل بار آلودگی غیر نقطه­ای[4] به منظور سالم نگاه­داشتن پیکره­های آبی از اهمیت به سزایی در مدیریت سیستم­های منابع آب برخوردار است. یکی از موثرترین سازه­ها در مدیریت بار آلودگی غیر نقطه­ای، حوضچه­های بازداشت می­باشند. طراحی یکپارچه­ی مجموعه حوضچه­های بازداشت در مجموعه زیر حوضه­ها می­تواند با بازدهی بیشتری در حذف رسوبات همراه باشد. جهت دست­یابی به این هدف اتصال الگوریتم­های بهینه­ساز و نرم­افزارهای مدل­سازی حوضه­های آبریز می­تواند کمک به سزایی در طراحی بهینه­ی حوضچه­های بازداشت باشد.

روش کار: هدف از انجام این پژوهش استفاده از یک مدل شبیه­ساز-بهینه­ساز چند منظوره برای برنامه­ریزی و طراحی یکپارچه­ی حوضچه­های بازداشت در سطح حوضه­های آبریز است که بتوان مصالحه­ای را بین اهداف مختلف برقرار نمود. واضح است که با استفاده از حوضچه­های بازداشت بزرگتر و با تعداد بیشتر می­توان میزان حجم بالاتری از رسوبات را به دام انداخت، ولی متعاقبا هزینه­های ساخت حوضچه­های بازداشت نیز افزایش خواهد یافت. جهت بهینه­سازی اندازه و مکان حوضچه­های بازداشت در این مساله­ی دو هدفه، از الگوریتم دو هدفه جامعه مورچگان و جهت شبیه­سازی حوضه­­ی آبریز از مدل SWAT بهره­گرفته شده است. با استفاده از الگوریتم بهینه­سازی جامعه مورچگان دو هدفه می­توان به یک جبهه جواب­های نامغلوب از دو تابع هدف متضاد دست یافت که عبارتند از: هزینه­های کنترل بار رسوب تولیدی و بار رسوب تولیدی.

یافته­ها و نتایج: کارایی مدل پیشنهادی بر روی یک حوضه­ی آبریز در غرب ایران مورد مطالعه قرار گرفته است. استفاده از بهینه­ساز کلونی مورچگان و شبیه­ساز SWAT، به محققین توانایی مدل­سازی حوضه­های آبریز و کنترل بار آلودگی غیر نقطه­ای را خواهد داد. مدل چند هدفه با توجه به فراهم نمودن جبهه پرتو می­تواند مدیران را در اتخاذ راهکار مناسب جهت کنترل کیفیت رواناب خروجی از حوضه­ی آبریز یاری نماید.

 

واژه های کلیدی: الگوریتم جامعه مورچگان دو هدفه، بار رسوب تولیدی، حوضچه­های بازداشت، حوضه­های آبریز، مدل SWAT.

 

 

مقدمه


کنترل بار آلودگی غیر نقطه­ای و رسوبات همواره از مهم­ترین مسایل کیفیت منابع آب در پیکره­های آبی حوضه­های آبریز (همانند سدها و دریاچه­ها) بوده است. به منظور کاهش آلودگی­ها، توجه به مدیریت بار آلودگی غیر نقطه­ای می­تواند راه­گشا ­باشد. در این پژوهش حوضچه­های بازداشت جهت کنترل بار رسوب تولیدی از حوضه­ای آبریز به کار گرفته
شده­اند. حوضچه­های بازداشت در طی سالیان مختلف و به طور گسترده مورد مطالعه قرار گرفته­اند (1 و2). اغلب جانمایی و طراحی حوضچه­های بازداشت در زیر حوضه­های یک حوضه­ی بزرگ به صورت منفرد و جدا از هم صورت می­پذیرد. طراحی یکپارچه­ی مجموعه حوضچه­های بازداشت در مجموعه زیر حوضه­ها می­تواند با بازدهی بیشتری در حذف رسوبات همراه باشد و به عنوان بهبود روش­های متداول پیشین در نظر گرفته شود. ولی پیچیدگی مدل نمودن حوضه­های آبی برای برآورد بار آلودگی غیر نقطه­ای، مشکلاتی را در پیدا کردن وضعیت بهینه سازه­های کنترل رسوب به وجود می­آورد. اتصال الگوریتم­های بهینه­ساز و نرم­افزار­های مدل­سازی حوضه­های آبریز و ارایه یک مدل بهینه­ساز-شبیه­ساز می­تواند در جهت رفع این مشکل
راه­گشا باشد. غالب مدل­هایی که برای شبیه­سازی حوضه­های آبریز ارایه می­شوند، از روابط ساده­ای پیروی می­کنند و بعضا تنها قادر به مدل کردن رواناب­ها در حوضه­های آبریز هستند. به همین علت استفاده از یک مدل کارا در شبیه­سازی حوضه­های آبریز ضروری است. امروزه توسعه مدل­های شبیه­سازی به همراه توسعه فزاینده الگوریتم­های بهینه­سازی که قابلیت حل مسایل بسیار پیچیده و به ویژه غیر خطی را دارند، بسیار امید بخش بوده و نیاز به ساده­سازی و استفاده از مدل­های خطی برای تقریب سیستم­های پیچیده را کاهش داده است. از جمله
شبیه­سازهایی که استفاده از آن در حوضه­های آبریز طی سالیان اخیر گسترش یافته، مدل SWAT می­باشد. در این پروژه نیز به منظور شبیه­سازی حوضه­ی آبریز از مدل SWAT بهره گرفته شده است. SWAT مدل شبیه­سازی حوضه­های آبریز، آبگیر و رودخانه­ها است که توسط دکتر [5]Arnold برای سازمان تحقیقات کشاورزی[6] آمریکا ارایه شده است.

Tolson و Shoemaker (2004) از مدل SWAT جهت مدل­سازی رودخانه­ی کانوسویل استفاده کرده­اند (3). تحقیقات Tolson و Shoemaker (2004) نشان داد که مدل SWAT قادر است  به­ عنوان یک ابزار مناسب برای ارزیابی اثرات طولانی مدت روش­های مدیریتی متفاوت برای کاهش بار فسفر در مخزن کانونزویل شهر نیویورک استفاده شود. Rostamian و همکاران (2008) از این مدل برای شبیه­سازی دو حوضه­ی آبریز بهشت­آباد و ونک در ایران استفاده کرده­اند (4).  ناحیه­ای در مریلند توسط Shepherd و همکاران (1999) برای سنجش میزان توانایی مدل در شبیه­سازی هیدرولیکی، هیدرولوژیکی و کیفی آب مورد استفاده قرار گرفت (5)، از جمله مزیت­های ذکر شده با این مدل عبارت بودند از: 1- بزرگ مقیاس بودن مدل، و 2- توزیعی بودن و هم­آهنگ بودن مدل با سیستم­های اطلاعات جغرافیایی(GIS). Abbaspour و همکاران (1997) از مدل SWAT برای شبیه­سازی تمام فرایندهای مؤثر بر کیفیت آب، رسوب و چرخه عناصر غذایی حوضه رودخانه تور، در شمال شرقی کشور سوییس بهره ­گرفتند (6). Taheriyoun و همکاران (2010) با استفاده از مدل SWAT و الگوریتم بهینه­ساز ژنتیک اقدام به بهینه کردن بهترین روش­های مدیریتی در یک حوضه­ی آبریز در ایران نمودند (7). همچنین تحقیقاتی جهت پیش­بینی بار رسوب تولیدی در حوضه قرسو توسط صادقی و همکاران (1389) صورت گرفته است (8).

در سال­های اخیر استفاده از انواع الگوریتم­های بهینه­سازی فراکاوشی در مدیریت سیستم­های منابع آب از جمله: الگوریتم ژنتیک(GA)، نورد شبیه­سازی شده(SA)، جفت­گیری زنبور عسل(HBMO) و الگوریتم جامعه مورچگان  (ACO) گسترش یافته است. یکی از الگوریتم­های فراکاوشی الهام گرفته شده از طبیعت، الگوریتم جامعه مورچگان است. الگوریتم جامعه مورچگان با توجه به رفتار یک دسته از مورچگان در یافتن بهینه­ترین مسیر جهت دست­یابی به غذا ابداع شده است. با استفاده از الگوریتم جامعه مورچگان در مسایلی که دارای متغیرهای تصمیم گسسته می­باشند، به علت ذات گسسته این الگوریتم می­توان به جواب­های بهتری نسبت به سایر
الگوریتم­های فراکاوشی دست یافت. در سال­های اخیر از الگوریتم جامعه مورچگان در بخش­های مختلف مدیریت سیستم­های منابع آب همانند بهره­برداری از مخازن و بهینه­سازی شبکه­های آبرسانی استفاده شده است. مقالاتی که در سال­های اخیر از الگوریتم جامعه مورچگان در مدیریت سیستم­های منابع آب بهره­گرفته اند پیرامون این موضوعات بوده­اند: بهینه­سازی شبکه­های آب شهری(9)؛ بهره­برداری از مخازن به صورت تک و چند هدفه (10؛ 11؛ 12؛ 13؛ 14و 15)؛ و شبکه توزیع آب (16و17).

هدف از این پژوهش، استفاده از یک مدل شبیه­ساز-بهینه­ساز است که بتوان به طراحی بهینه حوضچه­های بازداشت در حوضه­های آبریز پرداخت. با کمک مدل شبیه­ساز-بهینه­ساز می­توان مصالحه­ای را بین اهداف مختلف برقرار کرد. زیرا با طراحی حوضچه­های بازداشت بزرگ­تر می­توان حجم بالاتری از رسوبات را کنترل نمود. ولی اجرا و طراحی حوضچه­های با حجم بیشتر نیازمند صرف هزینه­های بالاتری خواهد بود. در نتیجه با یک مساله دو هدفه مواجه هستیم که یک هدف آن کاهش بار رسوب تولیدی و هدف دیگر آن کمینه نمودن هزینه­های ساخت حوضچه­های بازداشت است. جهت بهینه­سازی
حوضچه­های بازداشت از الگوریتم بهینه­ساز جامعه مورچگان و برای شبیه­سازی حوضه­ی آبریز نیز از مدل SWAT بهره­گرفته شده است. کارایی مدل پیشنهادی نیز بر روی حوضه­ی قرسو در غرب ایران بررسی و مطالعه شده است.

روند شبیه­سازی در مدل SWAT

به طور کلی براساس فرمت داده‌ها، ‌اطلاعات موردنیاز برای شبیه‌سازی به سه دسته تقسیم می‌شوند که عبارتند از لایه‌های اطلاعاتی، ‌فایل­های اطلاعاتی (.dbf یا .txt) و پارامترهای ورودی که به صورت عددی وارد می‌گردد.  لایه ارتفاعی رقومی یا DEM باید به صورت grid و سیستم مختصات جغرافیایی مشخص به مدل وارد شود. مدل SWAT نقشه خاک منطقه را یا به صورت shape و یا به فرم grid از کاربر دریافت می‌کند.  نقشه کاربری اراضی منطقه را نیز می‌توان به صورت grid یا shape جهت تعیین وسعت و نام پوشش­های گیاهی مختلف در زیرحوضه تعیین نمود.  آخرین لایه­ی اطلاعاتی شبکه آبراهه‌های حوضه می‌باشد و می‌توان از آن در مدل استفاده نمود. فایل­های ورودی با پسوند .dbf یا .txt تهیه شده و وارد مدل می‌گردد. این فایل­ها شامل دما، ‌بارش، ‌رطوبت نسبی، ‌تابش، ‌سرعت باد به صورت روزانه و موقعیت ایستگاه­های هواشناسی، ‌باران­سنجی و دماسنجی می‌باشد.

چرخه هیدرولوژیکی در SWAT

چرخه هیدرولوژیکی در SWAT به صورت روابط پیوستگی مدل می­شود و عبارتست از:

(1)

 

: حجم نهایی آب در خاک (میلی­متر)؛ : مقدار اولیه آب در خاک (میلی­متر)؛ t زمان (روز)؛ : میزان بارش در روز iام (میلی­متر)؛ : مقدار حجم رواناب در روز iام (میلی­متر)؛ : تبخیر روز iام (میلی­متر)؛ : مقدار آب وارد شده به منطقه آبی از پروفایل زمین در روز iام (میلی­متر): : میزان آب بازگشتی در روز iام (میلی­متر).

روندیابی سیلاب در حوضچه­های بازداشت و تالاب­ها در مدل SWAT

حوضچه­های بازداشت و تالاب­ها پیکره­های آبی هستند که بخشی از حجم آب هر زیر حوضه به داخل آن­ها سرازیر
می­شود. معادله پیوستگی برای حوضچه­های بازداشت عبارتست از:

(2)

 

: برابر میزان آب آبگیر در انتهای روز ( متر مکعب)؛  : میزان حجم آب در آبگیر در ابتدای روز (متر مکعب)؛ : میزان آب وارد شده  به آبگیر در طول روز (متر مکعب)؛ : میزان آب خارج شده از آبگیر در طول روز (متر مکعب)؛ : میزان آب وارد شده به آبگیر از طریق نزولات جوی در طول روز (متر مکعب)؛ : آب خارج شده از آبگیر در طول روز از طریق تبخیر (متر مکعب)؛ : میزان آب خارج شده از آبگیر از طریق نشت به داخل زمین (متر مکعب).

 

پیوستگی جرم رسوب در مدل SWAT

پیوستگی جرم رسوب در مدل SWAT به طریق زیر محاسبه می­شود:

(3)

 

 

که در آن داریم : میزان بار رسوب در حوضچه­ی بازداشت در انتهای روز (تن)؛ : میزان بار رسوب در حوضچه­ی بازداشت در ابتدای روز (تن)؛ : میزان بار رسوب ورودی به حوضچه­ای بازداشت در طول روز (تن)؛ : میزان رسوب خارج شده از حوضچه­ی بازداشت طی فرایند ته نشینی (تن)؛ : میزان رسوب خارج شده از حوضچه­ی بازداشت به همراه آب خروجی (سرریز شده) (تن).

کلونی مورچگان

الگوریتم جامعه مورچه­ها با الهام از رفتار مورچه­های واقعی در هنگام جستجوی غذا توسعه یافته و در دهه­های اخیر در برخی از مسایل بهینه­یابی مورد استفاده قرار گرفته است. در این تحقیق برای حل مساله­ای دو هدفه طراحی بهینه حوضچه­های بازداشت از الگوریتم مذکور استفاده شده است. وقتی مورچه­ای به دنبال غذا می­گردد، در طول مسیر حرکت خود، ماده بوداری به نام فرامان از خود به جا می­گذارد که سایر مورچه­هایی که در جستجوی غذا هستند را تحریک به عبور از آن مسیر می­نماید. برای ارایه رفتار این دسته از مورچه­ها به حالت الگوریتمی اصلاحاتی توسط Dorigo در سال 1992پیشنهاد گردید (18). در الگوریتم­های جامعه مورچگان جهت یافتن جوابی بهینه از فرامان مصنوعی استفاده می­شود.  فرامان مصنوعی یک عدد حقیقی   است که به گزینه­های قابل انتخاب توسط مورچه مصنوعی، تخصیص داده می­شود. در گراف هر مساله یک مقدار فرامان  به هر مسیر (i,j) داده می­شود که بیانگر مطلوبیت این مسیر می­باشد. یک مورچه که در گره i واقع شده است، گره بعدی خود را بر اساس رابطه انتقال تصادف نسبی زیر انتخاب می نماید:

مقدار ، احتمال انتخاب گره j توسط مورچه­ای واقع در
گره­ی i است. همان گونه که مشاهده می­گردد، مقادیر بزرگ فرامان مسیر ij باعث افزایش احتمال انتخاب آن مسیر خواهد شد.  علاوه بر فرامان، در بسیاری از مسایل می­توان از یک هدایت کننده کاوشی[7] جهت ساخت جواب­های متغیر استفاده نمود که در آن رابطه انتقال تصادفی نسبی به شکل زیر تعریف می­شود:

(4)

 

 

(5)

 

 

در این رابطه  هدایت کننده کاوشی می­باشد. دو پارامتر و  در رابطه فوق، جهت تنظیم وزن فرامان و اطلاعات کاوشی مورد استفاده قرار می گیرند.

به هنگام­سازی فرامان

منظور از به هنگام­سازی فرامان، تمرکز بیشتر فرایند جستجو بر منطقه­ای از فضای جواب­هاست که امید آن می­رود، با جستجوی متمرکزتر در آن بتوان به نتایج مطلوب­تری دست یافت (19). راهکارهای اصلی برای این فرایند، ابتدا تبخیر فرامان است که باعث کاهش میزان فرامان به یک مقدار تعریف شده می­گردد. پس از آن تقویت فرامان است که با افزودن عبارت به هنگام کننده به فرامان­های انتخابی صورت می­گیرد. شکل کلی به هنگام سازی فرامان به صورت زیر است.

 

(6)

که در آن  پارامتری است که میزان از دست دادن فرامان را، در هر دوره تبخیر نشان می­دهد.  یک مقدار بهنگام سازی است که در صورتی که مسیر (i,j) توسط مورچه طی نشده باشد، برابر صفر است.

مقدار واقعی  و نیز راهکار مخصوص اعمال آن عامل اصلی تفاوت بین الگوریتم­های مختلف مورچه است که در این پژوهش برابر است با:

 

(7)

 که در آن مقداری ثابت و بهترین مقدار تابع هدف در کلونی k می­باشد. لازم به ذکر است که مقدار  برای مسیر­هایی غیر از مسیری که بهترین مورچه طی می­کند، صفر در نظر گرفته می­شود.

 

 

الگوریتم جامعه مورچگان در حالت چند هدفه

اولین الگوریتم چند هدفه جامعه مورچگان توسط Mariano و  Moralesدر سال 1999 به کار گرفته شد (20).  در سال 2001، Iredi وMiddendrof  الگوریتم بهینه­سازی مورچه­ها را برای حل مساله دو معیاره مسیریابی وسایل نقلیه مورد استفاده قرار دادند (21). در سال 2003 الگوریتم MACS توسط Baran و Schaerer پیشنهاد شد (22).  در این الگوریتم از یک ماتریس فرامان و چند تابع حاوی اطلاعات فراکاوشی به تعداد اهداف استفاده شده است. در سال 2004، الگوریتم P-ACO توسط Doerner و همکاران ارایه گردید (23). در این الگوریتم نیز از k تابع مختلف به هنگام سازی فرامان به تعداد k تابع هدف استفاده شده است. Dorigo و Stutzle در سال 2004 به تفصیل در مورد کاربرد الگوریتم­های جامعه مورچگان در مسایل بهینه­سازی چند هدفه صحبت نموده­اند (24). الگوریتمی که در این تحقیق برای حل مساله مورد استفاده قرار خواهد گرفت، برگرفته از کار Afshar و همکاران در سال 2008 است که برای حل مساله بهره­برداری از مخزن ارایه شده است (25).

از مــوارد حایـز اهمیت در ایـن الگوریتــم نحوه ارتباط جوامع اختصـاص داده شده به هر کدام از اهداف می­باشد. در الگوریتم پیشنهادی در هر گام محاسباتی تمامی راه­حل­های تولید شده در یک جامعه در اختیار جامعه مقابل قرار می­گیرد تا
مورچه­های آن جامعه هم به نوبه خود سعی در بهبود جواب­ها بر اساس معیارهای خود داشته باشند. الگوی مربوطه برای نحوه ارتباط جوامع مختلف در شکل (1) نمایش داده شده است.

 

 

 

شکل 1- نمایش نحوه تبادل اطلاعات مابین جوامع مورچه­ها و اهداف نظیر آن­ها (مصطفوی، 1389)

 

معرفی مدل­­ پیشنهادی

در این تحقیق جهت شبیه­سازی حوضه از مدل SWAT و برای بهینه­سازی آن از الگوریتم بهینه­سازی جامعه مورچگان دو هدفه استفاده شده است. شاخص کیفی سنجش در این مساله رسوب خروجی از حوضه آبریز و یا TSS[8] می­باشد. کارایی مدل ارایه شده بر روی یک حوضه آبریز در ایران سنجیده و نتایج آن ارایه شده است.

مدل بهینه­­سازی دو هدفه

مساله به شکل دو هدفه عبارت است از: حداقل کردن
هزینه­های ساخت حوضچه­های بازداشت، حداکثر نمودن کیفیت آب خروجی و یا حداقل نمودن بار رسوب تولیدی. شاخص کیفی سنجش آب نیز میزان رسوب خروجی از حوضه آبریز منظور شده است. در ادامه بیان مساله را در شکل ریاضی مشاهده
می­کنید.

 

Minimize

 

 

 

 

 

Subject to

(8)

: هزینه کل ساخت حوضچه­های بازداشت، که برابر است با جمع هزینه­های ساخت حوضچه­های بازداشت در هریک از
زیر­حوضه­ها. :  عبارتست از میزان میانگین رسوب سالانه تولیدی از حوضه آبریز، :  هزینه ساخت حوضچه شماره  jدر زیر حوضه شماره i، : سطح حوضچه بازداشت در زیر حوضه k که حداکثر و حداقل میزان آن توسط کاربر تعیین می­شود، برای حوضچه­ها باید به طور معین یک میزان مشخصی از حداقل و حداکثر اندازه را تعیین نمود که در این قسمت به صورت قید اعمال خواهد شد،  : میزان حجم حوضچه بازداشت که باید از یک میزان حداکثری کمتر باشد و آن عبارتست از: : حداکثر حجم حوضچه بازداشت، و تساوی آخر نیز بیانگر قیودات هیدرولیکی و هیدرولوژیکی می­باشد که در طراحی حوضچه­های بازداشت باید در برنامه شبیه­سازی رعایت شود. طرح کلی مدل را در شکل شماره­ی 2 مشاهده می­نمایید.

 

 

 

 

 

 

 

 

 


شکل 2- طرح کلی مدل

 

کاربرد مدل­­های توسعه یافته

 

همان گونه که اشاره شد، در این تحقیق برای حل مساله کنترل بار آلودگی غیر نقطه­ای، از یک مدل شبیه­ساز- بهینه­ساز استفاده شده است. که به منظور کارایی مدل پیشنهادی، آن­را برروی یک حوضه­ی آبریز در ایران مورد بررسی قرار داده­ایم. اجزای مدل شامل 1- شبیه­ساز حوضه­ی آبریز توسط (در اینجا مدل SWAT)، 2- الگوریتم چند جامعه­ای مورچه­ها
(NA-ACO) می­باشد که اهداف، معیارها و محدودیت­های کمی و کیفی موجود در سیستم را در نظر می­گیرد.

به طور خلاصه روش کار مدل به این ترتیب است که ابتدا در هر مرحله مورچه­های هر کلونی (در اینجا دو کلونی) مسیر خود را انتخاب می­کنند که شامل یک سری گره است. هر گره متغیرهای تصمیمی شامل ارتفاع حوضچه­های بازداشت (حجم آن­ها پس از تعیین عرض و طول متناسب با این ارتفاع) در هر زیر حوضه­، می­باشند.  سپس الگوریتم به محاسبه­ی هزینه­ی ساخت این حوضچه­های بازداشت می­پردازد. هزینه ساخت حوضچه­های بازداشت برای واحد حجم حوضچه­ها برابر 1.5 دلار در هر متر مکعب درنظر گرفته شده است. مدت زمان نگهداری 10 ساله و هزینه­ی نگهداری برابر 3 درصد هزینه­ی کل ساخت حوضچه­ها، در هر سال منظور شده است. سپس با استفاده از مدل SWAT میزان رسوب خروجی از حوضچه­ی بازداشت نیز محاسبه خواهد شد. میزان پوشش هریک از زیر حوضه­ها در هر دو بخش ثابت فرض شده است و به اصطلاح یک سری نقاط مشخص به صورت بالقوه برای احداث حوضچه­های بازداشت در هر زیر حوضه وجود دارند.

به منظور تعیین حجم و سطح حوضچه­ی بازداشت از یک رابطه­ی حجم-ارتفاع و سطح-ارتفاع به شکل زیر استفاده شده است:

 

 

(9)

 

 

که درآن: : حجم حوضچه­ی بازداشت،: طول، : عرض، : ارتفاع، : شیب کناره حوضچه (1 به 5 در نظر گرفته می­شود. در فرمول 5 باید قرار داده شود)، : شیب سد (1 به 2 در نظر گرفته
می­شود. در فرمول 2 باید قرار داده شود).

برای کارایی بهتر حوضچه­ی بازداشت طول آن را دو برابر عرض آن اختیار نموده­ایم، درنتیجه داریم:

 

 

(10)

 

(11)

 

 

که درآن: : سطح حوضچه­ی بازداشت،: طول، : عرض، : ارتفاع، : شیب کناره حوضچه (1 به 5 در نظر گرفته می­شود. در فرمول 5 باید قرار داده شود)؛ : شیب سد (1 به 2 در نظر گرفته می­شود. در فرمول 2 باید قرار داده شود).

 تشریح منطقه تحقیق قرسو

زیرحوضه قره‌سو به وسعت 5793 کیلومترمربع واقع در شمال غرب حوضه کرخه در حدود 4/11 درصد حوضه کرخه را دربرمی‌گیرد. 48 درصد این زیرحوضه کوهستانی بوده و 52 درصد آن را دشت­ها تشکیل می‌دهند. حداکثر ارتفاع این زیرحوضه 3351 متر و حداقل ‌ارتفاع 1300 متر می‌باشد. جریانات اصلی در این حوضه شامل رودخانه‌های مرک، ‌قره­سو ‌و رازآور می‌باشد. در شکل شماره­ی (3) یک طرح کلی از حوضه را مشاهده می­کنید و در جدول شماره­ی 1 مشخصات بیشتری از حوضه­ی قرسو قابل ملاحظه است.

 

 

 

 

 

 

 

شکل 3- حوضه­ی آبریز قرسو

 

جدول 1- مشخصات حوضه­­ای قرسو

مساحت

متغیر تصمیم

هزینه­ی واحد حجم ساخت حوضچه­ها

مدت نگهداری

هزینه­ی نگهداری

دوره­ی اجرا

5793 کیلومتر مربع

ارتفاع

5/1

دلار برای هر متر مکعب

10

سال

3 درصد
 هزینه­ی ساخت

5

سال

 


حوضه­ی قره‌سو در شرایط آب و هوایی متنوعی قرار دارد.  بخش مرکزی دشت­ها دارای اقلیم نیمه خشک سرد و مرطوب و حواشی دشت­ها تحت پوشش اقلیم ارتفاعات و در نهایت منطقه بین دشت­ها و ارتفاعات دارای اقلیم مرطوب سرد می‌باشد. رژیم بارش حوضه، ‌مدیترانه­ای بوده و بخش قابل ملاحظه‌ای از ریزش­ها به صورت جامد است.

بافت خاک حوضه در دشت­ها بسیار سنگین بوده و قابلیت زهکشی کمی ‌دارد، به طوری که در برخی مناطق محدودیت عمق آب زیرزمینی جهت کشاورزی وجود دارد. خاک مناطق تپه‌ای و دامنه‌ها سبک بوده و عمدتاً مخلوطی از ذرات درشت شن و ماسه به همراه سیلت می‌باشد. خاک مناطق کوهستانی نیز عمدتاً فرسایش یافته است و در برخی مناطق، ‌عاری از پوشش گیاهی بوده و بستر سنگی نمایان می­باشد. حوضه­ی قرسو توسط صادقی و همکاران (1389) برای رواناب و رسوب خروجی شبیه­سازی و واسنجی شده است (8).

کالیبراسیون و ‌اعتباریابی مدل

برای انجام عملیات Calibration (واسنجی) از داده‌های سال‌های 1990 الی 1996 و برای Validation (تأیید اعتبار) مدل از داده­های سال­های 1997 الی 2000 استفاده شد. کالیبراسیون توسط مدل  SUFI_2و توسط صادقی و همکاران (1389) توسط نرم‌افزار SWAT_CUP صورت گرفت. (جدول 2)

 

 

جدول 2- نتایج کالیبره و تأیید اعتبار دبی و رسوب روزانه

ردیف

کالیبراسیون

تأییداعتبار

NS

NS

دبی روزانه

60/0

43/0

56/0

34/0

رسوب روزانه

49/0

45/0

32/0

27/0

 

بهینه­سازی حوضچه­های بازداشت در حوضه­ی قرسو

در این بخش بهینه­سازی حوضچه­های بازداشت حوضه­ی قرسو به عنوان مطالعه موردی بررسی شد. همان طور که در شکل 4 ملاحظه می­کنید پس از اجرای مدل، برنامه­ی بهینه­ساز اقدام به تخمین ارتفاع مناسب حوضچه­های بازداشت خواهد کرد و با محاسبه­ی حجم و سطح متناظر با آن اطلاعات مورد نیاز جهت تخمین رسوب خروجی توسط مدل SWAT در اختیار آن قرار خواهد گرفت. تعداد اجرای شبیه­ساز بستگی به کاربر داشته و با توجه به میزان برازش لازم برای توابع هدف جهت دست­یابی به جواب­های مناسب تعیین می­شود.

 

 

 

 

 

 

 

 

 


شکل 4- شکل ساختاری کاربرد مدل در حوضه­ی قرسو

 

 

 

حل گام به گام مساله

 

1- ابتدا مکان­های بالقوه جهت احداث حوضچه­های بازداشت در حوضه­ی قرسو تعیین شدند.

مکان­های بالقوه جهت ساخت حوضچه­های بازداشت محل­هایی می­باشند که به علت شرایط جغرافیایی و محلی، ساخت حوضچه­های بازداشت در آن­ محل­ها امکان پذیر است. محل احداث حوضچه­ی بازداشت در یک زیر حوضه با مشخص نمودن میزان پوشش رواناب زیر حوضه توسط آن حوضچه­ی مشخص، تعیین می­گردد. این اطلاعات در گام نخست و زیر برنامه مخصوص حوضچه­های بازداشت به شبیه­ساز داده می­شود. نقاط بالقوه­ی ساخت حوضچه­های بازداشت در حوضه­ی قرسو، در جدول 3 و در هریک از زیر حوضه­ها نمایش داده شده­اند.

2- برنامه­ی بهینه­ساز اقدام به تعیین ارتفاع حوضچه­های بازداشت نموده و پس از تعیین عرض متناظر با این ارتفاع از جدول4 حجم و سطح نرمال حوضچه­ها را محاسبه می­نماید (طول دو برابر عرض منظور شده است). پس از تعیین هزینه­ی ساخت حوضچه­های بازداشت به عنوان هدف اول، حجم و سطح نرمال آن­ها در اختیار شبیه­ساز قرار داده خواهد شد.

 

جدول 4- ارتفاع و عرض متناظر با آن برای حوضچه­ها

ارتفاع

عرض متناظر با آن

0/0

0/0

2/1

0/70

8/1

0/80

4/2

0/90

0/3

0/100

 

3- مدل SWAT به عنوان برنامه­ای شبیه­ساز با استفاده از اطلاعات حجم و سطح حوضچه­های بازداشت، میزان رسوب خروجی از حوضه را به عنوان هدف دوم محاسبه می­کند؛ قابل ذکر است که دوره­ی شبیه­سازی 5 ساله بوده و همچنین جهت کنترل بار رسوب تولیدی میانگین سالیانه در نظر گرفته شده است.

4- اطلاعات تعیین کننده در مدل SWAT جهت شبیه­سازی عبارتند از:

الف- درصد پوشش رواناب زیر حوضه یا مکان­های بالقوه جهت ساخت حوضچه­های بازداشت (تعیین شده از قبل توسط کاربر)

ب- حجم نرمال و سطح نرمال حوضچه­های بازداشت (که با تعیین ارتفاع و پس از آن پیدا کردن حجم متناظر با این ارتفاع از جدول4 و پس از محاسبه منحنی تراز-سطح و تراز- حجم به دست خواهد آمد).

ج- این اطلاعات به صورت pnd_pvol به عنوان حجم نرمال، pnd_psa به عنوان سطح نرمال و pnd_fr به عنوان درصد پوشش زیر حوضه در اختیار شبیه­ساز قرار خواهند گرفت.

در شکل 5 جبهه جواب نامغلوب را ملاحظه می­کنید. جهت هرچه واضح­تر نشان دادن مطلب، یکی از جواب­های جبهه پرتو را به عنوان مثال و با جزییات در جدول 5 و جدول 6 نشان داده­ایم. پارامتر­های بهینه­ساز کلونی مورچگان نیز برای دستیابی به جبهه پرتو کامل­تر تنظیم شده­اند که عبارتند از:
 1= α،0=β. KCC برای تابع هدف اول برابر 100000و برای تابع هدف دوم برابر 1/. منظور شده است. در مقایسه با کارهای مشابه باید اشاره نمود که اکثر پژوهش­های صورت گرفته، تاکنون در حوزه­ی طراحی بهینه­ی حوضچه­های بازداشت مبتنی بر جانمایی حوضچه­ها با یک اندازه­ی مشخص و استاندارد بوده­اند که از آن جمله عبارتند از(2010)  Taheriyoun et al ، و طراحی آن­ها طوری که بتوان
اندازه­­شان را بهینه نمود تا کنون صورت نگرفته است.

 

 

جدول 3- نقاط بالقوه برای ساخت حوضچه­های بازداشت: حوضه­ی قرسو

شماره­ی زیر حوضه­های حوضه­ی قرسو

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

سطح پوشش

4/0

2/0

1/0

4/0

3/0

5/0

1/0

2/0

2/0

3/0

1/0

3/0

2/0

1/0

5/0

2/0

5/0

 

 

 

 

شکل 5- جبهه جواب­های نامغلوب


 

جدول 5- یکی از جواب­های انتخابی جبهه­­ی پرتو

میزان رسوب تولیدی (تن بر هکتار بر سال)

197900/7 تن بر هکتار بر سال

هزینه (دلار)

5 /691040 دلار


 

 

 


 

 


نتیجه­گیری و پیشنهادات

 

گسترش جوامع شهری در حوضه­های آبریز و افزایش روزافزون حجم بار آلودگی تولیدی، از مهم­ترین عوامل در کاهش کیفیت منابع آب می­باشند.  به منظور کاهش آلودگی­ها و ارتقاع سطح کیفی آب، در نظر گرفتن مدیریت بار آلودگی غیر نقطه­ای
می­تواند راه­گشا ­باشد. یکی از کاراترین ابزارها در مدیریت بار آلودگی غیرنقطه­ای، حوضچه­های بازداشت می­باشند. در مدیریت بار آلودگی غیر نقطه­ای نیز همانند اغلب
برنامه­ریزی­های مدیریتی، اهداف متفاوت و گاه متضادی مطرح می­باشند. در مورد تحقیق شده نیز کاهش هرچه بیشتر هزینه مدیریت سیستم و کاهش هرچه افزون­تر بار آلودگی ورودی به پیکره­ی آبی پایین­دست می­تواند به عنوان دو هدف متضاد مورد بررسی قرار گیرد. به این علت الگوریتم بهینه­ساز جامعه مورچگان چند هدفه جهت یافتن هزینه بهینه ساخت
حوضچه­های بازداشت در برابر حداقل نمودن بار رسوب تولیدی توسعه داده شده است. جهت شبیه­سازی حوضه­ی آبریز از مدل SWAT و برای کنترل بار رسوب تولیدی از حوضچه­های بازداشت استفاده شده است.  این مدل قادر خواهد بود تا جبهه پرتو حداقل هزینه به حداقل بار رسوب تولیدی را استخراج نماید. برای سنجش کارایی مدل آن­را بر روی حوضه­ی قرسو در ایران مورد مطالعه قرار داده­ایم.

مدل شبیه­سازی که مورد استفاده قرار گرفت، مدل SWAT است. این شبیه­ساز توانایی پیش­بینی رفتار حوضه­ی آبریز را دارا می­باشد. دو مدل بهینه­ساز و شبیه­ساز به گونه­ای با یکدیگر تلفیق شده که پس از انتخاب سناریو توسط مدل بهینه­ساز و اجرای مدل شبیه­ساز اطلاعات کیفی رواناب خروجی به منظور محاسبه و برازش توابع هدف، بار دیگر در اختیار مدل بهینه­ساز قرار می­گیرند. شاخص کیفی که در این مدل برای ارزیابی کیفیت رواناب خروجی مورد مطالعه قرار گرفته است، رسوب خروجی میانگین سالانه می­باشد.

استفاده از بهینه­ساز کلونی مورچگان و شبیه­ساز SWAT، بسته مناسبی را در اختیار محققین در مدل­سازی حوضه­های آبریز و کنترل بار آلودگی غیر نقطه­ای قرار خواهد داد. مدل چند هدفه با توجه به فراهم نمودن جبهه پرتو می­تواند مدیران امر را در اتخاذ تصمیم مناسب جهت کنترل بار رسوب تولیدی یاری نماید.

در ادامه نیز می­توان از پیشنهادات زیر جهت مطالعات بیشتر بهره ­برد:

1-      در نظر گرفتن توسعه کاربری اراضی و تاثیر آن­ها در نتایج بهینه­سازی می­تواند به کامل­تر شدن تحقیق کمک نماید.

2-      در نظر گرفتن تغییرات آب و هوایی و مقایسه جواب­های بهینه در این شرایط با شرایطی که این تغییرات اعمال نشده است می­تواند به سنجش کارایی مدل در آینده در محل کمک نماید.

3-      زمان اجرای بالای مدل از جمله معایب آن است که به همین علت مدل طی یک دوره­ی 5 ساله اجرا شده است. شاید بتوان با تربیت یک شبکه عصبی برای شبیه­سازی حوضه و استفاده از آن به جای شبیه­ساز، سرعت انجام محاسبات را افزایش داد.

4-      استفاده از این مدل برای بهینه­سازی کنترل سایر آلودگی­ها همانند فسفر و مواد مغذی.

5-   سنجش کارایی مدل در کنترل سیلاب­ها با
حوضچه­های بازداشت.

6-      استفاده از توابع احتمالاتی و یا اعمال آن­ها در قیودات مساله می­تواند در اعمال عدم قطعیت­های موجود کمک کننده باشد.

 

منابع

  1. Schueler, T.R., 1992. A Current Assessment of Urban Best Management Practices.  Metropolitan Washington Council of Governments.
  2. Maryland Department of the Environment, 1986. Feasibility and Design of Wet Ponds to Achieve Water Quality Control. Sediment and Storm Water Administration.
  3. Tolson, B. A. and C. A. Shoemaker. 2004. “Watershed modeling of the Cannonsville basin using SWAT2000: Model development, calibration and validation for the prediction of flow, sediment and phosphorus transport tothe Cannonsville reservoir”. Technical Report, School of Civil and Environmental Engineering, Cornell Univ., Ithaca, N. Y.
  4. Rostamian et al (2008). “Application of a SWAT model for estimating runoff and sediment in two mountainous basins in central Iran”. Hydrological Sciences–Journal–des Sciences Hydrologiques, 53(5) October 2008
  5. Shepherd, B., D. Harper and A. Millington. 1999. “Modelling catchment-scale nutrient transport to watercourses in the U.K”. Hydrobiologia 395/396: 227-237.
  6. Abbaspour, K. C., Van Genuchten M. Th., Schulin R., and Schlappi E., 1997. “A sequential uncertainty domain inverse procedure for estimating subsurface flow and transport parameters”. Water Resour. Res. 33(8): 1879-1892.
  7. Karamouz; Taheriyoun; Baghvand; Tavakolifar and Emami, F., 2010. “Optimization of Watershed Control Strategies for Reservoir Eutrophication Management”. Journal of Irrigation and Drainage Engineering, © ASCE, 136(12): 847–861.
  8. صادقی، «شناسایی و اولویت‌بندی مناطق مولد فرسایش در حوضه‌ قره­سو»، دانشگاه آزاد اسلامی واحد علوم تحقیقات، استاد راهنما دکتر بهرام ثقفیان، استاد مشاور دکتر بنفشه زهرایی 1389.
    1. Simpson A.R., Maier H.R., Foong W.K., Phang K.Y., Seah H.Y. and Tan C.H. 2001. “Selection of Parameters for Ant Colony Optimization Applied to the Optimal Design Of Water Distribution System”, Proc., Int. Congress on Modelling and Simulation, Canberra, Australia, 1931–1936.
    2. Jalali, M. R., Afshar, A., Marino, M., Hon.M.ASCE. A., 2006. "Multi-reservoir Operation by Adaptive Pheromone Re-initiated Ant Colony Optimization Algorithme".  ASCE (WRPM).
    3. Jalali M.R. 2005. “Optimal design and operation of hydro systems by ant colony algorithms: new heuristic Approach”, Ph.D. Thesis, Department of Civil Engineering, Iran University of Science and Technology
    4. Jalali M.R., Afshar A. and Marino M.A. 2006. “Improved ant colony optimization algorithm for reservoir operation ” , Scientica Iranica, Vol:13(3), PP:295-302
    5. Jalali M. R., Afshar A. and Marino M.A.2006. “Reservoir Operation by Ant Colony Optimization Algorithms”, Iranian Journal of Science and Technology, Transaction B, Engineering, Vol:30, No:B1,PP:107-117
    6. Jalali M.R., Afshar A. and Marino M.A.2007. “Multi-colony ant algorithm for continuous multi-reservoir operation optimization problems”, Water Resource Management, Vol: 21, PP: 1429–1447
    7. Madadgar S. and A. Afshar 2009. “An Improved Continuous Ant Algorithm for Optimization of Water Resources Problems”, Water Resource Management, Vol: 23, PP: 2119–2139.
    8. Afshar M.H. and Marino M.A. 2006. “Application of an ant algorithm for layout optimization of tree networks”, Engineering Optimization, Vol: 38(3), PP:353–369
    9. Afshar, M. H. 2008. “Layout and size optimization of tree-like pipe networks by incremental solution building ants ”, Source: Canadian Journal of Civil Engineering, VOL: 35(2), PP: 129-139
    10. Dorigo, M., 1992. "Optimization, learning and natural algorithms." Ph.D. Thesis, Politecnico di Milano, Milan, Italy.
    11. جلالی، محمد رضا، «طراحی و بهره برداری بهینه هیدروسیستم ها با الگوریتم جامعه مورچه ها، یک رهیافت فراکاوشی جدید»، دانشگاه علم و صنعت ایران، به راهنمایی دکتر عباس افشار، 1384.
      1. Mariano, C. E., Morales E., 1999. "A Multiple Objective Ant-Q Algorithm for the Design of Water Distribution Irrigation Networks". Technical Report HC-9904, Instituto Mexicano de Tecnologia Del Agua.
      2. Iredi S., D., Middendrof M. (2001), "Bi-Criterion Optimization with multi colony ant algorithms”, in: Proceeding of the First international Conference on Evolutionary Multi-Criterion Optimization. " Lecture Notes in Computer Science, Springer, Berlin
      3. Baran, B., Schaerer M., 2003. "A Multi-objective Ant Colony System for Vehicle Routing Problem with Time Windows". Twenty first IASTED International Conference on Applied Informatics, Insbruck, Austria, February 10-13, pp. 97-102.
      4. Doerner, K., Gutjahr W.J., Hartl R.F., Strauss C., Stummer C., 2004. "Pareto Ant Colony Optimization: A Metaheuristic Approach to Multiobjective Portfolio Selection". Annals of Operations Research, to appear.
      5. Dorigo, M., Stutzle, T., 2004. "Ant Colony Optimization. Cambridge." MA: MIT Press.
      6. Afshar, A., Sharifi, F., Jalali, M. R., 2008. "Non-dominated ARCHRIVING Multi-coloni and Ant Algorithm for Multi Objective Optimization; Application to Multi propose Reservoir Operation", journal of Engineering Optimization, (under publication).
      7. Arnold, J.G., Williams, J.R., Nicks, A.D., and Sammons N.B., 1990. "SWRRB, a basin scale simulation model for soil and water resources management". Texas A&M University Press, College Station, TX.
      8. Arnold, J. G., Muttiah, R. S., Srinivasan, R., and Allen, P. M., 2000. "Regional estimation of base flow and groundwater recharge in the upper Mississippi River basin". J. Hydrol, 227(1): 21–40.
      9. Center for Watershed Protection, 1998. Cost and Benefits of Storm Water BMPs.
      10. Northern Virginia Planning District Commission, Engineers and Surveyors Institute, 1992. Northern Virginia BMP Handbook.
      11. عباس افشار و محمد جواد امامی اسکارردی، «طراحی بهینه حوضچه­های بازداشت در حوضه­های آبریز با استفاده از شبیه­ساز سوات و الگوریتم بهینه­ساز جامعه مورچگان: رویکرد تئوری بازی­های همکارانه»، اولین همایش ملی مدیریت منابع آب اراضی ساحلی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، گروه مهندسی آب. 1389.
      12. مصطفوی، سید اصغر، «تخصیص بار چند آلاینده در سیستم های رودخانه ای با رویکرد چند هدفه»، دانشگاه علم و صنعت ایران، به راهنمایی دکتر عباس افشار، 1389.

 

 


 


 


 

 

 

 

 



1- استاد تمام دانشگاه علم و صنعت ایران، دانشکده عمران

2- دانشجوی کارشناسی ارشد عمران- گرایش سازه­های هیدرولیکی، دانشگاه علم و صنعت ایران، دانشکده عمران*(مسؤول مکاتبات)

3- دانشجویی کارشناسی ارشد، دانشگاه تربیت مدرس تهران، دانشکده کشاورزی

4- Non-Point Source Management (NPSM)

[5]- Dr. Jeff Arnold

[6]- USDA Agricultural Research Service (ARS)

[7]- Heuristic Guidance

1-Total suspended solid

  1. Schueler, T.R., 1992. A Current Assessment of Urban Best Management Practices.  Metropolitan Washington Council of Governments.
  2. Maryland Department of the Environment, 1986. Feasibility and Design of Wet Ponds to Achieve Water Quality Control. Sediment and Storm Water Administration.
  3. Tolson, B. A. and C. A. Shoemaker. 2004. “Watershed modeling of the Cannonsville basin using SWAT2000: Model development, calibration and validation for the prediction of flow, sediment and phosphorus transport tothe Cannonsville reservoir”. Technical Report, School of Civil and Environmental Engineering, Cornell Univ., Ithaca, N. Y.
  4. Rostamian et al (2008). “Application of a SWAT model for estimating runoff and sediment in two mountainous basins in central Iran”. Hydrological Sciences–Journal–des Sciences Hydrologiques, 53(5) October 2008
  5. Shepherd, B., D. Harper and A. Millington. 1999. “Modelling catchment-scale nutrient transport to watercourses in the U.K”. Hydrobiologia 395/396: 227-237.
  6. Abbaspour, K. C., Van Genuchten M. Th., Schulin R., and Schlappi E., 1997. “A sequential uncertainty domain inverse procedure for estimating subsurface flow and transport parameters”. Water Resour. Res. 33(8): 1879-1892.
  7. Karamouz; Taheriyoun; Baghvand; Tavakolifar and Emami, F., 2010. “Optimization of Watershed Control Strategies for Reservoir Eutrophication Management”. Journal of Irrigation and Drainage Engineering, © ASCE, 136(12): 847–861.
  8. صادقی، «شناسایی و اولویت‌بندی مناطق مولد فرسایش در حوضه‌ قره­سو»، دانشگاه آزاد اسلامی واحد علوم تحقیقات، استاد راهنما دکتر بهرام ثقفیان، استاد مشاور دکتر بنفشه زهرایی 1389.
    1. Simpson A.R., Maier H.R., Foong W.K., Phang K.Y., Seah H.Y. and Tan C.H. 2001. “Selection of Parameters for Ant Colony Optimization Applied to the Optimal Design Of Water Distribution System”, Proc., Int. Congress on Modelling and Simulation, Canberra, Australia, 1931–1936.

10. Jalali, M. R., Afshar, A., Marino, M., Hon.M.ASCE. A., 2006. "Multi-reservoir Operation by Adaptive Pheromone Re-initiated Ant Colony Optimization Algorithme".  ASCE (WRPM).

11. Jalali M.R. 2005. “Optimal design and operation of hydro systems by ant colony algorithms: new heuristic Approach”, Ph.D. Thesis, Department of Civil Engineering, Iran University of Science and Technology

12. Jalali M.R., Afshar A. and Marino M.A. 2006. “Improved ant colony optimization algorithm for reservoir operation ” , Scientica Iranica, Vol:13(3), PP:295-302

13. Jalali M. R., Afshar A. and Marino M.A.2006. “Reservoir Operation by Ant Colony Optimization Algorithms”, Iranian Journal of Science and Technology, Transaction B, Engineering, Vol:30, No:B1,PP:107-117

14. Jalali M.R., Afshar A. and Marino M.A.2007. “Multi-colony ant algorithm for continuous multi-reservoir operation optimization problems”, Water Resource Management, Vol: 21, PP: 1429–1447

15. Madadgar S. and A. Afshar 2009. “An Improved Continuous Ant Algorithm for Optimization of Water Resources Problems”, Water Resource Management, Vol: 23, PP: 2119–2139.

  1. Afshar M.H. and Marino M.A. 2006. “Application of an ant algorithm for layout optimization of tree networks”, Engineering Optimization, Vol: 38(3), PP:353–369

17. Afshar, M. H. 2008. “Layout and size optimization of tree-like pipe networks by incremental solution building ants ”, Source: Canadian Journal of Civil Engineering, VOL: 35(2), PP: 129-139

18. Dorigo, M., 1992. "Optimization, learning and natural algorithms." Ph.D. Thesis, Politecnico di Milano, Milan, Italy.

  1. جلالی، محمد رضا، «طراحی و بهره برداری بهینه هیدروسیستم ها با الگوریتم جامعه مورچه ها، یک رهیافت فراکاوشی جدید»، دانشگاه علم و صنعت ایران، به راهنمایی دکتر عباس افشار، 1384.

20. Mariano, C. E., Morales E., 1999. "A Multiple Objective Ant-Q Algorithm for the Design of Water Distribution Irrigation Networks". Technical Report HC-9904, Instituto Mexicano de Tecnologia Del Agua.

21. Iredi S., D., Middendrof M. (2001), "Bi-Criterion Optimization with multi colony ant algorithms”, in: Proceeding of the First international Conference on Evolutionary Multi-Criterion Optimization. " Lecture Notes in Computer Science, Springer, Berlin

22. Baran, B., Schaerer M., 2003. "A Multi-objective Ant Colony System for Vehicle Routing Problem with Time Windows". Twenty first IASTED International Conference on Applied Informatics, Insbruck, Austria, February 10-13, pp. 97-102.

23. Doerner, K., Gutjahr W.J., Hartl R.F., Strauss C., Stummer C., 2004. "Pareto Ant Colony Optimization: A Metaheuristic Approach to Multiobjective Portfolio Selection". Annals of Operations Research, to appear.

24. Dorigo, M., Stutzle, T., 2004. "Ant Colony Optimization. Cambridge." MA: MIT Press.

25. Afshar, A., Sharifi, F., Jalali, M. R., 2008. "Non-dominated ARCHRIVING Multi-coloni and Ant Algorithm for Multi Objective Optimization; Application to Multi propose Reservoir Operation", journal of Engineering Optimization, (under publication).

  1. Arnold, J.G., Williams, J.R., Nicks, A.D., and Sammons N.B., 1990. "SWRRB, a basin scale simulation model for soil and water resources management". Texas A&M University Press, College Station, TX.

27. Arnold, J. G., Muttiah, R. S., Srinivasan, R., and Allen, P. M., 2000. "Regional estimation of base flow and groundwater recharge in the upper Mississippi River basin". J. Hydrol, 227(1): 21–40.

28. Center for Watershed Protection, 1998. Cost and Benefits of Storm Water BMPs.

29. Northern Virginia Planning District Commission, Engineers and Surveyors Institute, 1992. Northern Virginia BMP Handbook.

  1. عباس افشار و محمد جواد امامی اسکارردی، «طراحی بهینه حوضچه­های بازداشت در حوضه­های آبریز با استفاده از شبیه­ساز سوات و الگوریتم بهینه­ساز جامعه مورچگان: رویکرد تئوری بازی­های همکارانه»، اولین همایش ملی مدیریت منابع آب اراضی ساحلی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، گروه مهندسی آب. 1389.
  2. مصطفوی، سید اصغر، «تخصیص بار چند آلاینده در سیستم های رودخانه ای با رویکرد چند هدفه»، دانشگاه علم و صنعت ایران، به راهنمایی دکتر عباس افشار، 1389.