بهینه‌سازی مقطع سد انحرافی بر اساس الگوریتم ژنتیک

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی

2 دانشگاه رازی

چکیده

سدهای انحرافی به‌منظور بالا بردن تراز سطح آب رودخانه و انتقال آب به کانال اصلی شبکه‌های آبیاری طراحی می‌شوند. در صورتی که ابعاد قسمت‌های مختلف سد انحرافی در طراحی بزرگ در نظر گرفته شود، پایداری آن تأمین شده اما به دلیل افزایش حجم مصالح مورداستفاده، هزینه احداث آن بیشتر می‌شود. بنابراین مهندس طراح باید مقطع سدی را انتخاب کند که کمترین حجم مصالح به‌کاررفته را داشته باشد و در ضمن پایدار نیز باشد. مقطع بهینه سد انحرافی را می‌توان با استفاده از روش‌های کلاسیک و هوشمند به دست آورد. هدف از این پژوهش ارائه مدل کامپیوتری بر اساس الگوریتم ژنتیک برای طراحی بهینه ابعاد سد انحرافی می‌باشد که علاوه بر رعایت ضوابط و قوانین طراحی، کمترین حجم مصالح مورداستفاده را داشته باشد. متغیرهای تصمیم مورداستفاده در بهینه‌سازی مقطع سد انحرافی شامل ارتفاع دیواره آب‌بند بالادست و پایین‌دست سد، شیب بدنه در بالادست، ضخامت حوضچه آرامش، ضخامت کف بند بتنی و طول کف بند بتنی بالادست است. تابع هدف نیز حداقل کردن حجم مصالح مورداستفاده و قیدهای طراحی شامل رعایت ضرایب اطمینان پایداری سد در مقابل آبشستگی، لغزش، واژگونی و گسیختگی خاک می‌باشد. در این مطالعه، ابتدا برنامه بهینه‌سازی مقطع سد انحرافی با استفاده از الگوریتم ژنتیک به زبان ویژوال‌بیسیک تهیه شد و سپس مقطع سد انحرافی نازلیان با استفاده از مدل بازطراحی و با مقطع اجراشده، مقایسه گردید. نتایج نشان می‌دهد در صورت استفاده از الگوریتم ژنتیک در طراحی سد انحرافی نازلیان برای ضریب واژگونی مجاز 1/2 حدود 4/15 درصد حجم مصالح کاهش می‌یافت و ازلحاظ اقتصادی مقرون به صرفه‌تر طراحی می‌شد. همچنین مقدار مناسب برای تعداد نسل، اندازه جمعیت، احتمال تزویج و احتمال جهش برای بهینه‌سازی سد انحرافی به ترتیب 100، 30، 55/0 و 05/0 تعیین شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimization of Division Dam Section Based on Genetic Algorithm

نویسندگان [English]

  • Mohammad Mahdi Heidari 1
  • Samira Yousefi 2
  • Mohammad Hosein AdibRad 1
چکیده [English]

Diversion dams in order to raise the water level of river and conveys of water into the main canal irrigation network is designed. If the dimensions of different parts of the diversion dam be considered large, stability will be supplying, but due to the increase volume of materials, construction costs will be more. Design engineer must choose sections of dam that had least amount of materials and meantime be sustainable. Optimize section of diversion dams can be calculated with classic and genetic algorithm methods. The purpose of this study evaluation the efficiency of genetic algorithm to find optimized section of diversion dam in addition to regard laws and regulations designed the least volumes of materials. Decision variables that used in this study include wall height upstream and downstream of dam, slope in the upper body, thickness of stilling basin, thickness of concrete blanket upstream and length of concrete blanket. The objective function is to minimize amount of materials is used. Design constraints used include abide the stability of dam safety factors against Piping, Sliding, overturning and failure. In this research, section of Nazelian Dam by using genetic algorithm optimized and the effect of GA operators in objective function were investigated. Results show, if the genetic algorithm was used in design for overturning with a minimum safety factor of 2.1, the body weight of the dams and volume of materials decreased by 15.4%. Suitable values for the number of generation, population size, probability crossover and mutation to optimize Diversion Dam were 50, 30, 0.55 and 0.05, respectively.

کلیدواژه‌ها [English]

  • Nazelian Dam
  • Factor of safety
  • Penalty Function
  • Genetic parameter
Amiri Tokaldany, A. (1996). TABDAM software for designing of diversion dams. In: Proceedings of the 8th Conference National Committee on Irrigation and Drainage, Tehran, Iran, pp. 31-58. (In Farsi)

Aslani, M., Emadi, A.R., and Nazarpour, H. (2013). Determination of appropriate values of genetic algorithm parameters in optimization of gravity dams cross section. Journal of Water and Soil Conservation, 20(5): 231-239. (In Farsi)

Goldberg D. (1989). Genetic algorithms in search, optimization and machine learning. Addison Wesley.

Heidari, M.M. (2006). Development of a perfect software for designing diversion dams, including: the computations of hydraulic, stability and economic aspects and hydraulic design of intake and sluiceway. M.SC. dissertation, University of Tehran. (In Farsi)

Lane, E. W. (1934). Security from under-seepage masonry dams on earth foundations, TransASCE 60(4): 929–966.Leliavsky, S. (1965). Design text book in civil engineering: design of dams for percolation and erosion. Chapman and Hall press.

Lin, G., Wang, Y., and Hu, Z. (2010). Hydrodynamic pressure on arch dam and gravity dam including absorption effect of reservoir sediments OP Conf. Series: Materials Science and Engineering, 19–23 July, Sydney, Australia, 1-10.

Qi, G. (2012). Optimized program design of gravity dam section. In: Proceedings of the International Conference on Modern Hydraulic Engineering, 9-11 Mar., Nanjing, China , 419-423.

Rajeev S., and Krishnamoorthy C. S. (1992). Discrete Optimization of Structures Using Genetic Algorithms. Journal of Structural Engineering, 118: 1233-1249.

Simoes, L. and Lapa, J. (1994). Optimal shape of dams subject to earthquakes. In: Proceedings of the Second International Conference on Computational Structures Technology, In Advances in Structural Optimization, 19-21 jan, Athens, Greece, 119-130.

U.S.B.R. (1976). Design of gravity dams, design manual for Concrete Gravity Dams. Washington: U.S. Government Printing Office.

Wu, X., Qie, Z., Zhou, Z., and Zhang, H. (2008). Application of improved PSO to optimization of gravity dam and sluice gate. In: Proceedings of the 7thWorld Congress on Intelligent Control and Automation, 25-27 Jun., Chongqing international convention, Chongqing, China, pp. 6178-6182.