<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>موسسه انتشارات دانشگاه تهران</PublisherName>
				<JournalTitle>تحقیقات آب و خاک ایران</JournalTitle>
				<Issn>2008-479X</Issn>
				<Volume>47</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2016</Year>
					<Month>12</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Development of conjunctive surface and ground water use model with emphasis on the quality and quantity of water resources</ArticleTitle>
<VernacularTitle>توسعه مدل بهره‌برداری تلفیقی از منابع آب سطحی و زیرزمینی با تأکید بر کمیت و کیفیت منابع آب</VernacularTitle>
			<FirstPage>687</FirstPage>
			<LastPage>699</LastPage>
			<ELocationID EIdType="pii">59976</ELocationID>
			
<ELocationID EIdType="doi">10.22059/ijswr.2016.59976</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>فاطمه</FirstName>
					<LastName>حیدری</LastName>
<Affiliation>دانشگاه تربیت مدرس</Affiliation>

</Author>
<Author>
					<FirstName>بهرام</FirstName>
					<LastName>ثقفیان</LastName>
<Affiliation>دانشگاه آزاد اسلامی، واحد علوم و تحقیقات</Affiliation>

</Author>
<Author>
					<FirstName>مجید</FirstName>
					<LastName>دلاور</LastName>
<Affiliation>هیات علمی-دانشگاه تربیت مدرس</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>09</Month>
					<Day>21</Day>
				</PubDate>
			</History>
		<Abstract>Many real water resources optimization problems involve conflicting objectives. In this study, multiobjective genetic algorithm NSGA-II, has been developed for optimization the conjunctive use of surface water and groundwater resources and optimal management of supply and demand of agricultural water. Here, optimal allocation of land and water resources to the dominant products in Najaf Abad plain, two surrogate models, Artificial Neural Network (ANN) and Genetic Programming (GP), has been linked with NSGA-II. Results according to Mean Squared Error and correlation coefficient values show the efficiency of alternative models for prediction the concentration of Total of Dissolved Solids (TDS) and groundwater level in observation wells. According to the final results of SO model, average drowdown in groundwater level is equal to 0.18 m in optimal conditions, compared to the current(pre-optimal) conditions has been reduced to one third,also average concentration of TDS decreased from 1258 mg/lit to 1229 mg/lit in optimal conditions.</Abstract>
			<OtherAbstract Language="FA">بسیاری از مسائل واقعی تخصیص بهینه منابع آب شامل اهداف متضادی هستند. در این تحقیق، الگوریتم ژنتیک NSGA-II، به‌منظور بهینه‌سازی بهره‌برداری تلفیقی چند‌هدفه از منابع آب و مدیریت بهینه عرضه و تقاضای آب در بخش کشاورزی توسعه یافته است. به­منظور تخصیص بهینه منابع آب و زمین به محصولات غالب در واحد هیدرولوژیکی نجف‌آباد، دو مدل جایگزین برنامه­ریزی ژنتیک و شبکه عصبی مصنوعی، با الگوریتم NSGA-II مرتبط شده‌اند. نتایج مدل بر اساس پارامتر‌های آماری خطا، کارایی مدل‌های جایگزین برای پیش‌بینی تراز آب زیرزمینی و غلظت کل جامدات محلول در تعدادی چاه­های مشاهده­ای نمونه را تأیید می‌نمایند. با توجه به نتایج نهائی الگوریتم شبیه‌سازی-بهینه­سازی، مقدار متوسط افت تراز آب زیرزمینی در شرایط بهینه نسبت به شرایط موجود (65/0 متر) به 18/0 متر محدود شده است. بعلاوه، بر اساس الگوی بهینه، متوسط ماهیانه غلظت املاح در منطقه از 1258 به 1229 میلی­گرم بر لیتر کاهش می‌یابد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">بهینه‌سازی چند‌هدفه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تراز آب زیرزمینی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">غلظت املاح</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://ijswr.ut.ac.ir/article_59976_108548fc35080745ac78087277584e21.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
