طراحی شبکه پایش کیفی آب های زیرزمینی با استفاده از روش بهینه سازی الگوریتم ژنتیک
Publish place: Environmental Sciences، Vol: 18، Issue: 2
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 392
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_SCJS-18-2_002
Index date: 14 September 2021
طراحی شبکه پایش کیفی آب های زیرزمینی با استفاده از روش بهینه سازی الگوریتم ژنتیک abstract
سابقه و هدف: توزیع مکانی و دقت دادههای کیفی در مدیریت منابع آب زیرزمینی ضروری است. معمولا این دادهها از چاههای پایش جمعآوری میشود که به صورت مکانی در حوضه آبریز یا آبخوان مورد مطالعه توزیع شده است. در طراحی شبکه پایش، حداقل تعداد چاههای پایش با توزیع مکانی بهینه و مناسب از نظر اقتصادی مورد نیاز است. بنابراین نحوه توزیع چاهها و تعداد آنها در طراحی شبکه پایش کیفی یکی از موارد مهم در بهینهسازی مسائل مربوط به آب زیرزمینی است. هدف از این مطالعه، یافتن شبکه پایش بهینه با حداقل تعداد چاهها در آبخوان دشت گیلان است، بهطوریکه، توزیع مکانی مناسبی از نظر پارامترهای کیفیت آب زیرزمینی داشته باشد. با توجه به اینکه یکی از مهمترین معیارهای کیفیت آب زیرزمینی شوری است که با پارامترهایی مانند کل جامدات محلول (TDS)، یون کلر (Cl) و هدایت الکتریکی (EC) اندازهگیری میشود، در این مطالعه پارامتر EC به عنوان پارامتر کیفی در طراحی شبکه پایش انتخاب گردید. مواد و روشها: برای جستجوی بهینه شبکه پایش کیفی از الگوریتم بهینهسازی ژنتیک (GA) استفاده شد. در این روش، یک شبکه ممکن از چاههای پایشی که در منطقه واقع شده است به عنوان یک کروموزوم در نظر گرفته میشود و هر چاه پایش، ژنهای کروموزوم هستند که با ساختار دودویی (صفر و یک) کدگذاری میشوند. در صورتیکه انتخاب شود یک و در غیر این صورت صفر خواهد بود. در این مطالعه همزمان دو تابع هدف متضاد حل میشود. هدف اول حداکثر کردن تطابق (برازش) بین توزیعهای EC محاسبه شده در شبکه پایش موجود و شبکه جدید است. که این تطابق با استفاده از کارایی مدل نش ساتکلیف ارزیابی میشود. هدف دوم نیز با در نظر گرفتن محدودیت مربوط به هزینه، حداقل کردن تعداد چاههای پایش در شبکه جدید ایجاد شده میباشد. این دو هدف در یک تابع هدف تعریف میشود که در آن ترکیبهای مختلفی از دو هدف با اعمال ضریب وزنی w مورد بررسی قرار میگیرد. نتایج و بحث: نتایج ارزیابیها نشان داد که انتخاب جواب بهینه تا حد زیادی به تعیین ضریب وزنی w بستگی دارد. بنابراین باید مقدار w را با توجه به متعادلترین جواب انتخاب شود. متعادلترین جواب به این معناست که بین هزینه و پراکنش مکانی چاهها در منطقه یک رابطه قابل قبولی برقرار باشد. در ادامه، برای انتخاب بهترین جواب بهتر است علاوه بر استفاده از ضریب کارایی نش ساتکلیف از شاخصهای عملکرد دیگری مانند PBIAS، RMSE، ضریب رگرسیون و انحراف معیار نیز استفاده شود. به طور کلی، نتایج بدست آمده در این مطالعه با توجه به این شاخصها قابل قبول بوده است. همچنین، بررسی توزیع مکانی و مقایسه میانگین مقادیر EC مشاهده شده در منطقه و EC محاسبه شده در شبکه بهینه با توجه به همه چاههای پایش انتخاب شده نشان میدهد که مقادیر بهینهشده بزرگتر از میانگین مقادیر مشاهده شده در منطقه است. بنابراین به وضوح نتیجهگیری میشود که شبکه بهینهشده دادههای کیفی آب زیرزمینی مناطق آلودهتر را فراهم میکند. نتیجه گیری: نتایج نشان داد که کاربرد روش بهینهسازی به طور قابل ملاحظهای تعداد چاههای پایش را با توجه به توزیع مکانی مقادیر EC کاهش میدهد. علاوه بر این، شبکه پایش طوری طراحی شد که تعداد نقاط نمونهبرداری در مناطق با آلودگی کمتر، حذف شد و در مناطقی با آلودگی بیشتر، اضافه شد. در طراحی شبکه پایش کیفی آب زیرزمینی بهتر است به صورت دورهای بهینهسازی انجام شود، زیرا انتظار میرود کارایی شبکه پایش با اضافه شدن چاههای جدید به شبکه تغییر کند. ارزیابیهای پی در پی شبکه پایش به صورت هر چند سال یک بار، در تعیین ارزیابی درازمدت کیفیت آب زیرزمینی و عوامل موثر در آن کمک میکند که میتواند در برنامهریزی و اعمال روشهایی برای بهبود کیفیت آب زیرزمینی موثر باشد.
طراحی شبکه پایش کیفی آب های زیرزمینی با استفاده از روش بهینه سازی الگوریتم ژنتیک Keywords:
طراحی شبکه پایش کیفی آب های زیرزمینی با استفاده از روش بهینه سازی الگوریتم ژنتیک authors
سمیه جنت رستمی
گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران
علی صلاحی
گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :