TU Darmstadt / ULB / tuprints

Memetische evolutionäre Optimierung von Hochwasserspeichersystemen

Huebner, Christoph :
Memetische evolutionäre Optimierung von Hochwasserspeichersystemen.
Technischen Universität Darmstadt
[Ph.D. Thesis], (2010)

[img]
Preview
PDF
Huebner_2010_Memetische_evolutionaere_Optimierung_von_Hochwasserspeichersystemen.pdf
Available under Creative Commons Attribution Non-commercial No Derivatives.

Download (5Mb) | Preview
Item Type: Ph.D. Thesis
Title: Memetische evolutionäre Optimierung von Hochwasserspeichersystemen
Language: German
Abstract:

Die Planung von Hochwasserspeichern im Hinblick auf Lage, Volumina und Steuerung ist eine komplexe ingenieurtechnische Aufgabe, da die Interaktion von Maßnahmen wie Hochwasserrückhaltebecken, Dämme oder Renaturierungsmaßnahmen und ihre Wirkung auf den Abflussprozess zu berücksichtigen ist. In dicht besiedelten Gebieten besteht meist keine große Freiheit in Planung und Entwurf. Daher müssen Hochwassermanagement-Projekte in einen umfassenden Planungsprozess eingebettet werden. Hochwassermanagement betrifft nicht nur technisch-ökonomische Bereiche der Gesellschaft, sondern auch das jeweils natürliche und soziale Umfeld. Zusätzlich kann der Klimawandel Veränderungen des Niederschlagsregimes mit sich bringen, welche entscheidenden Einfluss auf Hochwasserentstehung und -ablauf haben können. Äußere Einflüsse dieser Art sind kaum prognostizierbar, jedoch müssen sie vorsorglich in vorausschauende Planungsprozesse eingebunden werden. Insgesamt sind Entscheidungsprozesse im Hochwassermanagement erheblich komplexer und interdisziplinärer geworden – nicht zuletzt auch durch die Einbeziehung der Öffentlichkeit. Es ist dringend erforderlich, Methoden und Algorithmen bereitzustellen, die diese Entscheidungsprozesse beschleunigen und transparent gestalten. Eine wichtige Herausforderung stellen die neuen Richtlinien der Europäischen Gemein-schaft dar. Die auf die ökologische Qualität abzielende Wasserrahmenrichtlinie 2000/60/EG und die Hochwasserrisikomanagementrichtlinie 2007/60/EG sind in engem Zusammenhang zu sehen. Die Erstellung der vorgegebenen Pläne für das Einzugsgebietsmanagement und das Hochwassermanagement sind ergänzend zu betrachten. Sie enthalten umfangreiche technische und nicht-technische Maßnahmenpakete, die das Ergebnis umfassender Abwägungsprozesse sind beziehungsweise sein werden. Der Erfolg der Planumsetzung hängt entscheidend vom Zusammenspiel der technischen und nicht technischen Maßnahmen ab. Es muss gewährleistet sein, dass in diesem Zusammenhang technische Maßnahmen für die Hochwasserrichtlinie optimal funktionieren. Seit den siebziger Jahren werden mono-, als auch multikriterielle Verfahren zur Optimierung des Speicherbetriebs und von Hochwasserrückhaltebecken eingesetzt. Zwischenzeitlich haben sich in den Ingenieurwissenschaften neue Optimierungs-algorithmen etabliert. Eine Klasse dieser relativ neuen Verfahren sind Evolutionäre Algorithmen (EA). Während diese in einigen Bereichen der Wasserwirtschaft bereits An-wendung finden, werden im Bereich der Speicheroptimierung und des Hochwasser-managements meist Methoden der Dynamischen Programmierung (DP) angewendet. Die verschiedenen Klassen von Optimierungsalgorithmen haben ihre jeweiligen Vor- und Nachteile. Daher war es Ziel dieser Arbeit, einen Memetischen Evolutionären Algorithmus (MEA) zu entwickeln und zu erproben, ob dieser zur Optimierung von Speichersystemen zum Zwecke des Hochwasserschutzes geeignet ist. Der Begriff Mem geht auf den griechischen Begriff Μνήμη (Mneme) für „die Erinnerung“ zurück. Der wesentliche Unterschied zu bisherigen Evolutionären Algorithmen ist, dass bei Memetischen Algorithmen zusätzlich die in die biologische Evolution eingebettete kulturelle (memetische) Evolution eingesetzt wird, um die lokale Suche in den globalen Optimierungsprozess zu integrieren. Es wurde zunächst eine Kombinatorische Evolutionsstrategie (CES) für nominell diskrete Repräsentationen und auf dieser Grundlage ein Memetischer Evolutionärer Algorithmus entwickelt. Der memetische Algorithmus setzt dabei Operatoren für nominell diskrete Parameter als auch Operatoren für reelle Parameter ein und ist für mono- als auch multikriterielle Problemstellungen geeignet. Reellwertige Evolutionsstrategien zur Optimierung von Speichervolumen und Betriebs-regeln wurden in vielen Beispielen bereits erfolgreich angewendet. Daher wird in dieser Arbeit zunächst untersucht, ob die rein kombinatorische Optimierung mittels nominell diskreter Parameter zur Optimierung des Speichersystems möglich ist. Dafür wurde eine problemadäquate Repräsentation von Speichersystemen entwickelt, die es ermöglicht Hochwasserspeicher und deren Kombinationen abzubilden und zu optimieren. Auf dieser Grundlage wurden geeignete nominell diskrete Reproduktions-, Mutations- und Selektionsoperatoren erprobt. In einem zweiten Schritt wurden nominell diskrete Operatoren und reellwertige Operatoren zu einem neuen memetischen Algorithmus auf-gebaut. Ziel dabei ist es, die Kombination der Speicher als auch der für die Volumina und die Steuerung erforderlichen reellwertigen Parameter zur Dimensionierung in einem Vorgang zu optimieren. Die Ergebnisse zeigen, dass die nominell diskrete und reelle Optimierung von Speicher-systemen sehr gut möglich ist. Mono- und multikriterielle Problemstellungen wurden mit den beiden neuen Algorithmen schnell und zuverlässig optimiert. Das Ergebnis der Optimierung zeigt die vollständige Bandbreite der Handlungsalternativen und ermöglicht a posteriori Entscheidungen. Und unabhängig von der Auswahl eine hohe Sicherheit hat, dass die gewählte Maßnahmenkombination die Hochwasserscheitel effektiv reduziert. Die entwickelte Kombinatorische Evolutionsstrategie als auch der Memetische Algorithmus haben sich als zuverlässiges Werkzeug zur Lösung der hier betrachteten Problemstellungen erwiesen. Insbesondere die multikriterielle Optimierung zeigt deutlich das Potenzial zur Steigerung der Effizienz von Hochwasserspeichersystemen. Die Optimierungsergebnisse stellen eine Entscheidungshilfe zur Planung von Hochwasserschutzmaßnahmen dar bei welcher der Entscheidungsträger frei aus einer Menge „bester Kompromisse“ wählen kann. Durch dieses Verfahren ist es nicht mehr erforderlich, mehrere reellwertige Optimierungen durchzuführen, da sowohl der nominelle Lösungsraum als auch der reellwertige Lösungsraum zuverlässig untersucht wird.

Alternative Abstract:
Alternative AbstractLanguage
The planning of flood retention reservoirs in regards to volume and control is a complex engineering task, because measures like flood retention basins, dams or renaturation measures effect each other. There are not many degrees of freedom in design and planning within highly populated areas. Therefore, flood-management-projects have to be embedded in an integral planning process. Flood-management concerns not only the technical-economical sectors of society, but also the respective natural and social environment. In addition, climate change could alter the precipitation patterns, which in the future may have crucial influence on flood generation and flood discharge. These kind of external impacts are hard to predict, but within the project planning, which is conducted with an eye on the future, they have to be considered. Altogether, within the flood-management the decision-making processes are getting more complex and more interdisciplinary, not least because of the involvement of the public. It is essential to provide methods and algorithms, which speed up the decision processes and make them transparent. An important challenge is new directives of the European Community. The European Water Framework Directive 2000/60/EG and the directive 2007/60/EC on the assessment and management of flood risks is to be seen in close conjunction. The development of predetermined catchment plans and flood management plans have supplementary to be considered. They contain comprehensive technical and non-technical measurement packages, which are or rather will be the result of extensive consideration processes. A successful realization of planning is closely connected to the coherence of technical and non-technical measures. For this reason, it is essential that technical measures for the purpose of the flood-directive perform optimally. Since the seventies mono- as well as multi-criteria optimization algorithms have been used to optimize the reservoir control of retention basins. Meanwhile new optimization methods are widely established in engineering. One class of these relatively new methods is the Evolutionary Algorithms (EA). Although these algorithms have already been used successfully in some areas of water management, in the field of reservoir and flood management methods based on Dynamic Programming (DP) are used. Each class of algorithms has its pros and cons. Because of that, the purpose of this work has been to develop a Memetic Evolutionary Algorithms (MEA), to test and prove that this kind of algorithm is capable of reservoir system optimization for the needs of flood management. The term Mem is based on the Greek term Μνήμη (Mneme) which means “the memory”. The considerable difference from previous Evolutionary Algorithms is that these Memetic Algorithms use the cultural evolution, in addition to genetic evolution, which allows a local search within the global optimization process. At first Combinatorial Evolution Strategy (CES) for nominal discrete representations has been developed. A Memetic Evolutionary Algorithm has been developed based on the Combinatorial Evolution Strategy. This memetic Algorithm makes use of nominal discrete as well as real operators and can be used to solve mono- as well as multi-criteria problems. Real value Evolution Strategies for the optimization of retention volume and control rules has been many times used successfully. Because of that, a first investigation has been to analyze whether it is possible to optimize the reservoir system with the pure combinatorial optimization by the use of nominal discrete parameters. Therefore, a representation of the reservoir system has been developed adequate for the problem, in order to represent and optimize reservoirs and their combinations. Based on that the suited nominal discrete reproduction-, mutation-, and selection operators have been evaluated. At the second step, these nominal discrete operators and well-known real value operators have been used to develop a Memetic Algorithm. This allowed optimizing the combination of the reservoirs as well as the real value retention volume and the control parameters within a single optimization process. The results demonstrate that nominal discrete optimization and at the same time, real value optimization of reservoir systems is highly feasible. Mono- as well as multi-criteria problems can be optimized with the both developed algorithms fast and reliable. The result of the optimization portrays the complete bandwidth of the decision space and moreover allows the so-called a posteriori decision. With this kind of set of solutions, a decision maker can freely choose a solution according to its own preferences, but can always be sure, that the selected combination of measures is able to reduce the flood peak effectively. The developed Combinatorial Evolution Strategy as well as the Memetic Algorithm is reliable tool to solve flood management problems. Especially the multi criteria optimization demonstrates the significant potential to increase the efficiency of flood reservoir systems. Those optimization results are an essential decision support for the planning of flood control measures, where the decision maker is able to choose out of an abundance of “best compromises”. With this method, it is not anymore necessary to do several real value optimizations, because the nominal discrete solution space as well as the real value solution space is reliably analyzed.English
Uncontrolled Keywords: Hochwasserspeicher, Hochwassermanagement, Hochwasserschutzmaßnahmen, memetische evolutionäre Optimierung, mixed integer Optimierung, kombinatorische Optimierung, Evolutionsstrategie, genetische Algorithmen, multikriterielle Optimierung
Alternative keywords:
Alternative keywordsLanguage
Hochwasserspeicher, Hochwassermanagement, Hochwasserschutzmaßnahmen, memetische evolutionäre Optimierung, mixed integer Optimierung, kombinatorische Optimierung, Evolutionsstrategie, genetische Algorithmen, multikriterielle OptimierungGerman
flood retention reservoirs, flood management, flood control measures, memetic evolutionary optimization, evolution strategy, genetic algorithm, multi criteria optimization, mixed integer optimization, combinatorial optimizationEnglish
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
500 Naturwissenschaften und Mathematik > 510 Mathematik
Divisions: Fachbereich Bauingenieurwesen und Geodäsie > Institut Wasserbau und Wasserwirtschaft > FG Ingenieurhydrologie und Wasserbewirtschaftung
Date Deposited: 01 Sep 2010 08:39
Last Modified: 07 Dec 2012 11:58
URN: urn:nbn:de:tuda-tuprints-22623
License: Creative Commons: Attribution-Noncommercial-No Derivative Works 3.0
Referees: Ostrowski, Prof. Dr.- M. W. and Jüpner, Prof. Dr. R.
Refereed: 18 May 2010
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/2262
Export:

Actions (login required)

View Item View Item