استخراج منحني فرمان بهينه سد در زمان واقعي بر اساس تركيب الگوريتم فراكاوشي و تكنيك يادگيري ماشين

استفاده از مدل‌هاي كوپل شده شبيه‌سازي-بهينه‌سازي براي استخراج منحني فرمان بهينه سدها يكي از راهكارهاي موثر براي مديريت بهينه مخازن است. در تكنيك بهينه‌سازي معين، معمولا از داده‌هاي جريان تاريخي ورودي به مخزن براي استخراج منحني فرمان بهينه سد استفاده مي‌شود. ممكن است در سال‌هاي آينده با تغيير جريان ورودي به سدها پارامترهايي كه بر اساس آن منحني فرمان بهينه استخراج شده است ممكن است ديگر كارايي نداشته باشد و نتايج خارج از انتظار باشد. هدف از اين تحقيق ارايه راهكاري براي استخراج منحني فرمان بهينه در زمان واقعي است طوري كه با تغيير جريان ورودي به سد در آينده بدون اجراي مجدد الگوريتم بهينه‌سازي و با استفاده از تكنيك هوش مصنوعي در كمترين زمان، منحني فرمان بهينه سازگار با شرايط جديد را استخراج كرد. در اين تحقيق از تركيب الگوريتم چندهدفه NSGA-II و مدل شبيه‌ساز WEAP براي استخراج سياست‌هاي بهينه بر اساس داده‌هاي تاريخي استفاده شد. سپس با استفاده از روش ماشين بردار پشتيبان و نتايج حاصل از خروجي الگوريتم بهينه‌سازي ساختار جديدي توسعه داده شد تا بتوان منحني فرمان بهينه را در زمان واقعي و بر اساس ورودي‌هاي جديد بدست آورد. نتايج نشان داد كمترين درصد تامين نياز كشاورزي مربوط به ماه‌هاي تير و مرداد به ترتيب به ميزان 78 و 77 درصد و كمترين درصد تامين نياز زيست‌محيطي مربوط به ماه شهريور و در حدود 64 درصد بود. همچنين منحني فرمان بهينه مستخرج از ماشين‌هاي بردار پشتيبان نسبت به منحني فرمان حاصل از الگوريتم NSGA-II در مرحله واسنجي و صحت‌سنجي داراي ميانگين خطاي كمتر از 2.5 درصد و ضريب تبيين 0.99 مي‌باشد. لذا مدل ماشين‌بردار پشتيبان توسعه داده شده اين قابليت را داشته كه با توجه به داده‌هاي جديد جريان ورودي به سد، سريعا سياست‌هاي بهره‌برداري بهينه را به نحوي در اختيار قرار دهد كه امكان مديريت بهينه سيستم در زمان واقعي فراهم گردد.