تخصیص بهینه برای مصارف شرب و صنعت با استفاده از رویکرد سیستم پشتیبان تصمیم‏‌گیری و مدل سر‏ی‏‌های زمانی (مطالعه موردی: سد بار نیشابور)

آب و توسعه پایدار

مقاله 2، دوره 9، شماره 2 - شماره پیاپی 24، شهریور 1401، صفحه 1-8   

نوع مقاله: پژوهشی کاربردی

شناسه دیجیتال (DOI): 10.22067/jwsd.v9i2.2111.1096

نویسندگان

محمد تقی کرباسی معروف¹؛ حمید رضا ناصری^{* 2}؛ فرشاد علیجانی³

¹دانشجوی دکتری هیدروژئولوژی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران.

²استاد هیدروژئولوژی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

³استادیار هیدروژئولوژی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

چکیده

سد مخزنی بار در 23 کیلومتری شمال غرب شهر نیشابور با هدف تامین آب شرب شهر و آب مورد نیاز کارخانه فولاد نیشابور ساخته شده است. به‏‌منظور دستیابی به مقادیری قابل اعتماد برای تخصیص آب، از مدل شبیه‌سازی–بهینه‌سازی مدیریت منابع آب MODSIM (مدل سیستم پشتیبانی تصمیم گیری) به همراه مدل‌‏سازی سری زمانی رژیم جریان سطحی SARIMA با هدف پیش‌بینی 10 سال آینده (1396-1406)، بهره گرفته شده است. مدل‌سازی براساس سه سناریو سری زمانی دراز مدت (1348 لغایت 1396)، کوتاه مدت (10 ساله اخیر 1386-1396) و پیش‌بینی (10 ساله آینده) انجام شده است. نتایج پژوهش نشان از توانایی مناسب شبیه‌سازی جریان سطحی رودخانه توسط مد‏ل‏‌های سری زمانی می‏‎‌نماید. مدل‏سازی برنامه‌ریزی منابع آب طرح بار نشان می‌دهد، بر پایه اطلاعات سری زمانی دراز مدت رواناب رودخانه بار، قابلیت اطمینان تامین آب برای کارخانه فولاد 80 درصد و برای شرب نیشابور 74 درصد است. این ارقام برای سری زمانی رواناب 10 ساله اخیر به‌‏ترتیب برابر 59 و 50 درصد می‏باشد که نشان از تأثیر خشکسالی‏‌های اخیر و لزوم تغییر برنامه‌ریزی تخصیص آب حوضه است. تغییرات حجم آب مخزن در دوره 10 ساله اخیر نشان می‌دهد، به استثنای سال‏‌های 1388 و 1389 در بیشتر ماه‌‏های سایر سال‏‌ها، آبی جهت تنظیم در مخزن سد وجود ندارد. به همین جهت باوجود قابلیت اطمینان بالای تخصیص آب در سری‏ زمانی دراز مدت، قابلیت اطمینان در دوره کوتاه مدت اندک است و نشان از ریسک بالای طرح در تأمین نیازهای آبی دارد.

کلیدواژه‌ها

تخصیص آب؛ سد بار؛ ARIMA؛ DSS؛ MODSIM

مراجع

خرمی، م. و بزرگ‏نیا، ا. 1386. تجزیه و تحلیل سری‏های زمانی با نرم‌افزار مینی تب 4. انتشارات سخن گستر. مشهد، ایران.
نظری، ح.، مریدی، ع.، یزدی، ج. و خزائی، ا. 1398. چشم‌انداز پایداری تأمین نیازهای شرب و کشاورزی سد دوستی تحت سناریوهای تغییر اقلیم و بهره‌برداری از سد سلما. نشریه تحقیقات منابع آب ایران، 15(3): 17-32.
An Q. and Zhao M. 2017. Time Series Analysis in the Prediction of Water Quality. In 7th International Conference on Education, Management, Information and Mechanical Engineering, Atlantis Press. Shenyang, China.
Almanos A., Rolston A. and Papaioannou G. 2021. Development of a Decision Support System for Sustainable Environmental Management and Stakeholder Engagement, Journal of Hydrology, 8(1): 40.
Arena C., Cannarozzo M., Oliva F. and Mazzola M.R. 2019. A multi-scenario Decision Support System for real-time operation of over-year multi-reservoir systems 2 DSS simulation, 23rd International Congress on Modelling and Simulation. Canberra, Australia.
Bettili L., Pek E. and Salman M. 2019. A decision support system for water resources management: the case study of Mubuku irrigation scheme Uganda. MDPA. Sustainability, 11(22): 6260.
Box G., Jenkins G. and Reinsel G. 2008. Time Series Analysis: Forecasting and Control.  First published. Wiley. Hoboken, New Jersey. 
Caiado J. 2010. Performance of combined double seasonal univariate time series models for forecasting  water demand. Journal of Hydrologic Engineering, 15(3): 215-222.
Emami F. and Koch M. 2018. Sustainability assessment of the water management system for the Boukan Dam Iran using CORDEX South Asia Climate Projections. Journal of Water, 10(12): 1723.
Firat M.,Turan M.E. and Yurdusev M.A. 2009. Comparative analysis of fuzzy inference systems for water consumption time series prediction. Journal of Hydrology, 374(3-4): 235-241. 
Hashimoto T. 1982. Reliability, Resiliency, and Vulnerability criteria for water resources system performance evaluation. Water Resources Research, 18(1): 14-20.
Khorasani M., Ehteshami M. and Salari M. 2016. Assessing groundwater resources nitrate contamination using time series analyses SARIMA Modeling. International Journal of Faring and Allied Sciences, 5(5): 397-407.
Klien M.R. and Methlie L.B. 1995. Knowledge-based decision support systems with applications in business. John Wiley & Sons. Inc. 2nd edition. Hoboken, New Jersey
Labadie J., Azero L., Gates T., Fontane D. and Porto R. 2000. Integration of water quantity and quality in strategic river basin planning. Journal of Water Resources Planning and Management, 126(2): 85-97.
Labadie J. and  Larson R. 2006. MODSIM: River basin management decision support system. User  Manual. Department of Civil Engineering. Colorado, USA.
Mukesh K. and Adamowski J. 2013. Urban water demand forecasting and uncertainty assessment using ensemble wavelet-bootstrap-neural network models. Water Resources Research, 49(10): 6486-6507.
Musa J.J. 2013. Stochastic Modelling of Shiroro River Stream flow Process. American Journal of Engineering Research (AJER), 2(6): 49-54.
Nasir N., Samsudin R. and Shabri A. 2017. Monthly streamflow forecasting with auto-regressive integrated moving average. Journal of Physics Conference Series, IOP Publishing. Kuantan, Pahang, Malaysia.
Pierce S., Sharp J., Guillaume J., Mace R. and Eaton D. 2013. Aquifer-yield continuum as a guide and typology for science-based groundwater management. Journal  of Hydrogeology, 21(2): 331-340. 
Papalaskaris T. and Kampas G. 2017. Time Series Analysis of Characteristics of Streams in Eastern Macedonia-Thrace Greece. European Water, 57: 93-100.
Vahdat S.F., Sarraf A., Shamsina A. and Shahidi N. 2011. Prediction of mean Inflow to Dez Dam reservoir time series models (Box-Jenkins). International Conference on Environmental and Industrial Innovation. Kuala Lumpur, Malaysia.
Vishwajith K.P., Sahu P.K., Dhekale B.S., Noman M.  and Narsimhaiah L. 2015. Modeling of groundwater table in three districts of Red and Laterite zone of West Bengal. Journal of Ecosystem, 5(3A): 6-12.