NeuroFuzzy modelling for conflict resolution in irrigation management

Sewilam, Hani Atef Nabhan; Rohde, Fritz

doi:urn:nbn:de:hbz:82-opus-4310

NeuroFuzzy modelling for conflict resolution in irrigation management

Sewilam, Hani Atef Nabhan

2002

Verantwortlichkeitsangabevorgelegt von Hani Atef Nabhan Sewilam

ImpressumAachen : Publikationsserver der RWTH Aachen University 2002

UmfangIX, 145 S. : graph. Darst.

Aachen, Techn. Hochsch., Diss., 2002

Genehmigende Fakultät
Fak03

Hauptberichter/Gutachter
Rohde, Fritz (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2002-10-01

Online
URN: urn:nbn:de:hbz:82-opus-4310
URL: https://publications.rwth-aachen.de/record/57097/files/02_171.pdf

Einrichtungen

Fakultät für Bauingenieurwesen (300000)

Inhaltliche Beschreibung (Schlagwörter)
Conflict Resolution (frei) ; Fuzzy Logic (frei) ; Irrigation Management (frei) ; Neural Networks (frei) ; Neuro-Fuzzy Systems (frei) ; Participatory Management (frei) ; Bewässerungssystem (frei) ; Neuro-Fuzzy-System (frei) ; Landwirtschaft, Veterinärmedizin (frei)

Thematische Einordnung (Klassifikation)
DDC: 630

Kurzfassung
Der Betrieb großer Bewässerungssysteme ist weit aus komplexer als allgemein angenommen. Zusätzlich zu den zweifelsohne wichtigen technischen und umweltrelevanten Aspekten umfasst Bewässerungswirtschaft auch die Lösung sozialer, gesellschaftlicher, juristischer und ökonomischer Fragestellungen. Die dabei zu treffenden Entscheidungen sind wegen der unterschiedlichen Interessen und Zielkonflikte der davon betroffenen Bewässerungsmanager und Wassernutzer oft kontrovers. Bürokratisch vorgeschriebene und nicht abgestimmte Bewirtschaftungspläne beeinträchtigen andererseits die Wirtschaftlichkeit des Systems nachhaltig. Der frühzeitige Einbezug der Wassernutzer in die einzelnen Managementphasen ist für einen effizienten Systembetrieb als unabdingbar anzusehen. Ein in diesem Sinne partizipatorisches Management von Bewässerungssystemen wurde in der Vergangenheit oft diskutiert, ohne jedoch Eingang in die Praxis zu finden. Vor diesem Hintergrund wird in der vorliegenden Arbeit ein organisatorischer Rahmen für die partizipatorische Planung von saisonalen Managemententscheidungen vorgeschlagen und ein Modell zur Bewertung von Planungsalternativen entwickelt. Auf der Basis ausführlicher Systemanalysen werden zunächst die Elemente der Planungsentscheidungen (Alternativen, Restriktionen, Ziele) identifiziert und spezielle Leistungsindikatoren für die Quantifizierung der konkurrierenden und gruppenspezifischen Ziele definiert. Der vorgeschlagene organisatorische Rahmen sieht ein Komitee vor, dass sich aus Systemmanagern und Bauern zusammensetzt. Das Komitee ist verantwortlich für folgende Aktivitäten: Identifizierung von Planungsalternativen, Durchführung von Betriebssimulationen und Bewertung der ökonomischen, technischen, sozialen und umweltrelevanten Auswirkungen. Das Bewertungsproblem ist gekennzeichnet durch ein Höchstmaß an Unsicherheit und Inkommensurabilität der Leistungsindikatoren einerseits sowie durch die konkurrierenden Interessen und teilweise unscharfe Beurteilungen der Entscheidungsträger (Decision Maker = DMs) andererseits. In dieser Arbeit wird deshalb das Bewertungsproblem als sogenanntes Fuzzy-Multiple-Partizipant-Multiple-Criteria Decision Making Problem formuliert. Zur Formalisierung der Beziehungen zwischen den Indikatoren wird eine hierarchische Struktur mit drei Ebenen vorgeschlagen, derart dass die Leistung eines vorgesehenen Planes hinsichtlich aller Aspekte in einem einzigen Wert bewertbar wird. Das Bewertungsmodell benutzt eine Kombination von Künstlichen Neuronalen Netzen (Artificial Neural Network, ANN) und unscharfer Logik (Fuzzy Logic, FL) in der Form eines sogenannten NeuroFuzzy Assessment Modells (NFAM). Die Lernfähigkeit von ANNs wird im vorliegenden Fall genutzt, um die konkurrierenden Meinungen der Entscheidungsträger zu erfassen. In einem gesonderten sogenannten Analytical Hierarchical Process (AHP) wird Erfahrung und Qualifikation der DMs berücksichtigt. Der Einsatz von FL dient der Behandlung von Unsicherheit, Unschärfe und Inkommensurabilität innerhalb eines streng mathematischen Rahmens. Die Validierung des vorgestellten Bewertungsmodells wird anhand eines numerischen Beispiels durchgeführt. Zusammenfassend ist festzustellen, dass sowohl der vorgeschlagene organisatorische Rahmen als auch das Bewertungsmodell die partizipatorische Rolle der Entscheidungsträger hervorheben und damit einen wichtigen Beitrag zur Weiterentwicklung von Managementstrategien großer Bewässerungssysteme darstellen. Darüber hinaus soll die vorliegende Arbeit Anregung für den Einsatz von NeuroFuzzy Technologien in auch anderen Bereichen der wasserwirtschaften und ökologischen Modellierung sein.

Management of large-scale irrigation schemes is more complicated than commonly recognized. Irrigation management involves complicated social, organizational, legal, and economical issues in addition to the undoubtedly important technical matters and environmental aspects. Management decisions have potential to be controversial because the involved groups (irrigation officials and water users) hold distinct interests and conflicting objectives. Irrigation plans, bureaucratically decided by irrigation officials, are often rejected by water users causing additional conflicts in managing the system and adversely affecting the schemes' sustainability. It is believed that involving water user associations at different stages of management is a key mechanism towards the improvement of irrigation systems. Therefore, participatory management of irrigation systems has long been an objective for many authorities. However, little has been done to support participation of both groups. In response to this issue, the current work is devoted to introduce a framework for participatory planning of seasonal management decisions and to propose a model, which enables assessment of planning alternatives. Based on a detailed system analysis, the elements of the planning decisions (alternatives, restrictions, and objectives) are identified, and in turn, a set of performance indicators are defined to quantify the conflicting objectives of the groups involved. The proposed framework suggests a committee consisting of scheme managers and farmers. The committee is responsible for defining planning alternatives, simulating them, and assessing their economical, technical, social, and environmental performance. The assessment involves conflicting indicators with a high level of uncertainty and noncommensurability as well as competing interests and vague viewpoints of involved decision makers (DMs). Consequently, the situation is formulated mathematically as a Fuzzy-Multiple-Participant- Multiple-Criteria Decision Making Problem. A three-level hierarchical structure is adopted to formulate the interrelationship of the indicators and to aggregate them in order to obtain a single value that reflects the overall performance of each suggested plan. An assessment model is developed using a combination of both Artificial Neural Networks (ANNs) and Fuzzy Logic (FL) to build a so-called NeuroFuzzy Assessment Model (NFAM). The NFAM utilizes the architecture of ANNs to represent the suggested hierarchical structure of indicators. The learning capability of the ANNs is employed to capture the conflicting assessment opinions of DMs. An Analytic Hierarchy Process (AHP) is applied to weight the involved DMs with respect to their experience and qualification. The weights are taken into consideration when training sets are formulated for tuning the model. FL is used to handle the uncertainty, vagueness, and the non- commensurability related to the aggregation of the indicators within a strict mathematical framework. Finally, a numerical example is performed to demonstrate the feasibility of the proposed NFAM. The framework is considered to be an important contribution towards resolving conflicts in irrigation management, since it identifies both roles of participants and rules for their participation. The developed NFAM is an intelligent, simple and flexible tool to assess planning alternatives. The current work encourages researchers to utilize the NeuroFuzzy technology in order to enhance modeling of water resources problems, especially in ecohydrological modeling.

Fulltext:
PDF
(additional files)