دوره 11، شماره 21 - ( بهار و تابستان 1399 )
جلد 11 شماره 21 صفحات 23-11 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
valipour E, Ghorbani M A, asadi E. (2020). Rainfall Network Optimization using Information Entropy and Fire Fly Algorithm Case Study: East Basin of Urmia Lake. J Watershed Manage Res. 11(21), 11-23. doi:10.52547/jwmr.11.21.11
URL: http://jwmr.sanru.ac.ir/article-1-800-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-800-fa.html
ولی پور المیرا، قربانی محمدعلی، اسدی اسماعیل. بهینه‌سازی شبکه باران‌سنجی با استفاده از آنتروپی اطلاعات و الگوریتم کرم شب‌تاب (مطالعه موردی: حوضه شرق دریاچه ارومیه) پژوهشنامه مديريت حوزه آبخيز 1399; 11 (21) :23-11 10.52547/jwmr.11.21.11
1- دانشگاه تبریز
چکیده: (3389 مشاهده)
- اقدام در اجرای پروژه‌های آبی، شناخت ویژگی‌های بارندگی و آگاهی از آب و هوا و اقلیم منطقه است. بارندگی به دلیل تغییرات مکانی و زمانی زیاد، در مقایسه با سایر عوامل هواشناسی، به شبکه متراکم‌تری برای دیده‌بانی نیاز دارد. ازاین رو مکانیابی بهینه احداث ایستگاهها امری بسیار ضروری است. بنابراین ابتدا داده‌های بارش ماهانه ایستگاههای باران‌سنجی در سطح حوضه و مناطق مجاور آنها جمع‌آوری گردید. سپس تمامی داده های سری زمانی مورد تحلیلهای آماری ازجمله آزمون نرمال و همگنی قرارگرفتند و ایستگاه های دارای آمار خطا و غیرهمگن از مجموع ایستگاه ها حذف و یا اصلاح شدند. با توجه به نتایج آزمونهای نرمال، بارندگی سالانه در 5 ایستگاه به دلیل کوچک بودن مقادیر آزمونها از مقدار بحرانی آنها، از توزیع نرمال پیروی نمی نمایند. همچنین نتایج آزمون های همگنی حاکی از آن بود که 7/91 درصد از ایستگاه های منتخب حوضه از لحاظ صحت و درستی داده های بارندگی ثبتشده مورد تأیید بوده و در ادامه، قابل استفاده در تحلیل های هیدرولوژیک و یا منابع آبی خواهند بود. با تحلیل مکانی آنتروپی بارش، مقدارآنتروپی انتقال اطلاعات در سطح حوضه محاسبه و معیاری در تعیین نقاط با پتانسیل تأسیس ایستگاه جدید در نظر گرفته شد. نتایج حاکی از این است که شش ایستگاه شبستر، شرفخانه، زرنق هریس، هرزندات، کلیبر و قوشچی سراب ضمن کسب رتبه های پایین در شبکه، وضعیتی بحرانی داشته و ضعیف ترین ایستگاههای حوضه می باشند. از سوی دیگر ایستگاه های سعیدآباد، باشسیزاوجان، مراغه، خرمازرد و شیرین کندی بالاترین رتبه ها را در میان سایر ایستگاه ها به خود اختصاص داده اند و پنج ایستگاه مهم حوزه آبخیز مورد مطالعه می باشند که مفیدترین اطلاعات در شبکه را تولید می نمایند. به منظور انجام فرآیند بهینه سازی تابع هدفی برای کل حوضه تعیین و سپس از الگوریتم کرم شب‌تاب بهرهگیری شد تا بهترین جانمایی برای ایستگاههای باران سنجی به دست آید. پس از بررسی نتایج مشخص گردید، بهترین جانمایی با اضافه کردن تعداد 9 ایستگاه به دست می آید.
فهرست منابع
1. Awadallah, A.G. 2012. Selecting optinum locations of rainfall stations using kriging and entropy. International Journal of Civil & Environmental Engineering, IJCEE-IJENS, 12(1): 7575-126301.
2. Chen, Y.C., C. Weiand and H.C. Yeh. 2008. Rainfall network design using kriging and entropy. Hydrological Processes, 22: 340-346. [DOI:10.1002/hyp.6292]
3. Chiang, W., Y. Hui-Chung and C. Yen-Chang. 2014. Spatiotemporal scaling effect on rainfall network design using entropy. Entropy, 16(8): 4626-4647. [DOI:10.3390/e16084626]
4. Fanny, M., S. Khalifeh, A. Khalifeh and M. Aflatouni. 2013. Raingauge network evaluation using the discrete entropy (case study: great karoun basin). Journal of Science and Irrigation Engineering, 38(4): 1-13 (In Persian).
5. Faraji sabokbar, H., H. Mahmoudi, S. Nazif and R. Abbaspour. 2014. Development rain gauge network optimization using kriging method and entropy in GIS, (case study: karkhe River Basin). Natural Geographical Research, 46(4): 462-445 (In Persian).
6. Hassanzadeh, T., M. Meybodi and M. Mahmoudi. 2011. An improved firefly algorithm for optimization in static environment. The Fifth Iran Data Mining Conference. Amirkabir University of Technology, Tehran, Iran (In Persian).
7. Hosseini Moghari, M. and A. Bani Habib. 2014. Optimize the operation of the reservoir for agricultural water supply using firefly algorithm. Journal of Soil and Water Conservation, 4: 29-17 (In Persian).
8. Jabari, A., H. Shayeghi, B. Esmaylnzhad, A. Zava and D. Najafi. 2012. Optimal location and size of wind turbines in the meshkinshahr with technical and economic factors and the feasibility of installing a discrete algorithm firefly, Iran Wind Energy Conference. 647. Tehran, Iran (In Persian).
9. Kazemzadeh, M., J. Daneshmand and M.A. Ahmadfard. 2015. Optimal remediation design of unconfined contaminated aquifers based on the finite element method and a modified firefly algorithm. Water Resources Management, 29(8): 2895-2912. [DOI:10.1007/s11269-015-0976-0]
10. Karimi Hosseini, A. 2009. Evaluation and comparison of rain gauge stations in GIS. Msc thesis. Tehran University, Iran, 105 pp (In Persian).
11. Karimi-Hosseini, A., O. Bozorg Haddad and M.A. Mariño. 2011. Site selection of raingauges using entropy methodologies. In Proceedings of the Institution of Civil Engineers-Water Management, 164(7): 321-333. [DOI:10.1680/wama.2011.164.7.321]
12. Karimi-Googhari, Sh. and S. Khalifeh. 2013. Hydrometric network evaluation for bakhtegan-maharlu watershed using the discrete entropy. Journal of Watershed Management Research. 2(3): 34-50 (In Persian).
13. Kisi, O., J. Shiri, S. Karimi, S.H. Shamshirband, S.H. Motamedi, D. Petkovic and R. Hashim. 2015. A survey of water level fluctuation predicting in Urmia Lake using support vector machine with firefly algorithm. Applied Mathematics and Computation, 270: 731-743 (In Persian). [DOI:10.1016/j.amc.2015.08.085]
14. Markkus, M., H.V. Knapp and G.D. Tasker. 2003. Entropy and generalized least square methods in assessment of the regional value of stream gages. Hydrology, 283: 107-121. [DOI:10.1016/S0022-1694(03)00244-0]
15. Moshtaghi-Yazdani, N. and D. Shariatpanahi. 2012. Firefly improve the performance of algorithms using automata receiver, The Ninth International Conference on Industrial Engineering, Tehran, Iran (In Persian).
16. Mahjouri-majd, N. and R. Kerachian. 2009. Performance assessment of river quality monitoring systems using discrete entropy theory (River Jajrud), Environmental Engineering Conference, Iran, Tehran (In Persian).
17. Masoumi, F. and R. Kerachian. 2007. Optimal groundwater monitoring network design using the entropy theory, National Conference of Water Resources, Esfehan, Iran (In Persian).
18. Mishra, A.K. and P. Coulibaly. 2010. Hydrometric network evaluation for Canadian watersheds. Hydrology, 380: 420-437. [DOI:10.1016/j.jhydrol.2009.11.015]
19. Mogeir, Y. and V.P. Singh. 2002. Application of information theory to groundwater quality monitoring networks. Water Resources Management, 16: 37-79. [DOI:10.1023/A:1015511811686]
20. Mogheir, Y., J.L. Lima and V.P. Singh. 2004. Characterizing the special variability of groundwater quality using the entropy theory. Hydrological Process, 18: 2165-2179. [DOI:10.1002/hyp.1465]
21. Sarlak, N. and A. Sorman. 2006. Evaluation and selection of streamflow network stations using entropy methods. Turkish Journal of Engineering Environment, 30: 91-100.
22. Shannon, C.E. 1948. A Mathematical theory of communication. Bell System Technical Journal, 27: 379-423. [DOI:10.1002/j.1538-7305.1948.tb01338.x]
23. Wei, C., H.C. Yeh and Y.C. Chen. 2014. Spatiotemporal scaling effect on rainfall network design using entropy. Entropy, 16: 4626-4647. [DOI:10.3390/e16084626]
24. Yang. X.S. 2008. Firefly Algorithm for Multimodel Optimization, In: Stochastic Algorithms: Foundations and Applications, SAGA, Lecture notes in Computer Science. [DOI:10.1007/978-3-642-04944-6_14]
25. Yang, X.S. and X. He. 2013. Firefly algorithm: recent advances and applications. International Journal of Swarm Intelligence, 1(1): 36-50. [DOI:10.1504/IJSI.2013.055801]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
