بهينه‌سازي پارامترهاي روش كاهش سطح براي توزيع رسوب در مخازن سدها با استفاده از الگوريتم جامعه مورچگان (مطالعه موردي: سد كرج)

Optimization of area-reduction method parameters for sediment distribution in dam reservoirs using the Ants Colony algorithm (Case study: Karaj dam)

يكي از روش‌هاي پيش‌بيني توزيع رسوب در سد‌هاي مخزني، روش تجربي كاهش سطح است. در اين روش مخزن‌ها از نظر هندسي به چهار نوع تقسيم‌بندي شده و توزيع رسوب مربوط به هر نوع مخزن براساس پارامترهاي مربوط به آن تعيين مي‌شوند. پژوهش‌هاي انجام شده نشانگر اين مسيله است كه در بيشتر موارد تعيين نوع مخزن براساس روش پيشنهادي بورلند و ميلر سبب پيش‌بيني دقيق نمي‌شود. بنابراين تعيين پارامترهاي بهينه براي يك سد دقت پيش‌بيني توزيع رسوب را با روش كاهش سطح افزايش مي‌دهد. در اين پژوهش ابتدا براساس تيوري روش كاهش سطح يك مدل كامپيوتري تهيه شد. سپس مدل بهينه‌سازي به روش الگوريتم مورچگان آماده و اين دو مدل با يكديگر تركيب شدند. با استفاده از اين مدل بهترين پارامترها در روش كاهش سطح براي سد كرج به دست آمد. نتايج به دست آمده نشان داد كه روش كاهش سطح با ضرايب بهينه، دقت بالاتري نسبت به روش كاهش سطح با ضرايب معمول دارد. استفاده از پارامترهاي بهينه، مقدار خطا را به ميزان 41/68 درصد كاهش مي‌دهد.

The Area-Reduction method is one of the experimental methods to estimate sediment distribution in dam reservoirs. In this method, the reservoirs classify based on the geometry into four types. Then the sediment distribution in each type of reservoir specify based on the related parameters. Results of previous researches were shown that in most of the cases; determining the type of reservoir with the Borland and Miller method didn’t lead to an accurate estimation. So, determining the optimized coefficient for the Area-Reduction method can increase the accuracy of sediment distribution prediction in this method. In this study, initially a computer model was provided based on the Area-Reduction method by using MATLAB software, then the optimization model was prepared based on the Ant Colony algorithm and these two models were combined. Best coefficients of the Area-Reduction method for Karaj Dam were obtained from developed model. The results showed that there was a significant increase in accuracy of predicting the sediment distribution using optimal parameters. Using the optimal parameters decreased the error values up to 68.41%.