استخراج منحنی فرمان بهینه سد در زمان واقعی بر اساس ترکیب الگوریتم فراکاوشی و تکنیک یادگیری ماشین

استفاده از مدل های کوپل شده شبیه سازی-بهینه سازی برای استخراج منحنی فرمان بهینه سدها یکی از راهکارهای موثر برای مدیریت بهینه مخازن است. در تکنیک بهینه سازی معین، معمولا از داده های جریان تاریخی ورودی به مخزن برای استخراج منحنی فرمان بهینه سد استفاده می شود. ممکن است در سال های آینده با تغییر جریان ورودی به سدها پارامترهایی که بر اساس آن منحنی فرمان بهینه استخراج شده است ممکن است دیگر کارایی نداشته باشد و نتایج خارج از انتظار باشد. هدف از این تحقیق ارایه راهکاری برای استخراج منحنی فرمان بهینه در زمان واقعی است طوری که با تغییر جریان ورودی به سد در آینده بدون اجرای مجدد الگوریتم بهینه سازی و با استفاده از تکنیک هوش مصنوعی در کمترین زمان، منحنی فرمان بهینه سازگار با شرایط جدید را استخراج کرد. در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیه ساز WEAP برای استخراج سیاست های بهینه بر اساس داده های تاریخی استفاده شد. سپس با استفاده از روش ماشین بردار پشتیبان و نتایج حاصل از خروجی الگوریتم بهینه سازی ساختار جدیدی توسعه داده شد تا بتوان منحنی فرمان بهینه را در زمان واقعی و بر اساس ورودی های جدید بدست آورد. نتایج نشان داد کمترین درصد تامین نیاز کشاورزی مربوط به ماه های تیر و مرداد به ترتیب به میزان 78 و 77 درصد و کمترین درصد تامین نیاز زیست محیطی مربوط به ماه شهریور و در حدود 64 درصد بود. همچنین منحنی فرمان بهینه مستخرج از ماشین های بردار پشتیبان نسبت به منحنی فرمان حاصل از الگوریتم NSGA-II در مرحله واسنجی و صحت سنجی دارای میانگین خطای کمتر از 5/2 درصد و ضریب تبیین 99/0 می باشد. لذا مدل ماشین بردار پشتیبان توسعه داده شده این قابلیت را داشته که با توجه به داده های جدید جریان ورودی به سد، سریعا سیاست های بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد.