طراحی بهینه چاه های مشاهده ای در یک شبکه پایش سطح آب زیرزمینی با استفاده از الگوریتم فوق ابتکاری ژنتیک
Publish place: Journal of Watershed Management Research، Vol: 7، Issue: 14
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 132
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMR-7-14_017
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
بهمنظور مدیریت کارا و موثر منابع آب زیرزمینی، برای کاهش حفر چاههای نمونهبرداری که پر هزینه هستند، شبکههای پایشیکه به طور مناسبی طراحی شده باشند، میتوانند به عنوان یک گزینه در نظر گرفته شوند. با استفاده از روشهای
بهینهسازی عددی، معضل به دست آوردن اطلاعات کمی و کیفی با حداقل تعداد چاهها و نقاط نمونهبرداری را میتوان مرتفع نمود. برای پایش یک سیستم آبخوان، حفر یک شبکه از چاههای پایش نیاز است که این امر پرهزینه و پیچیده میباشد. در سالهای اخیر طراحی این شبکه بهطوری که کارآمد و در عین حال کم هزینه باشد به یک چالش تبدیل شده است. بهمنظور کاهش هزینه، سیستمهای پایشی مورد توجهاند که در شرایط حداقل تعداد نقاط نمونهبرداری، حداکثر دسترسی به دادههای مناسب را داشته باشند. تکنیکهای بهینهسازی فوق ابتکاری در این زمینه پتانسیل کاربرد بالایی را دارا هستند. در این مقاله منطقهای از شمال ایران انتخاب شده تا توانایی الگوریتم ژنتیک (GA) ترکیب شده با کریجینگ و الگوریتم اجزای جمعی (PSO)، جهت بهینهسازی شبکه مقایسه و ارزیابی گردند، با این شرط که تعداد چاههای پایش طوری کاهش یابدکه تا حد امکان از کیفیت دادهها کاسته نشود. نتایج بهینهسازی نشان داد که در آبخوان آستانه-کوچصفهان تعداد چاههای مشاهدهای میتواند به اندازه ۲۶ درصد (۵۷ به ۴۲ چاه)، کاهش داده شود، بدون اینکه فقدان دادهای محسوسی ایجاد شود. مقادیر جذر میانگین مربعات خطا RMSE)) برای شبکه بهینهسازی به روش GA و PSO بهترتیب برابر ۲۰۲۵/۰ و۳۲۲۲/۰ متر محاسبه شد. مقایسه مقادیر RMSE روش GA جهت بهینهسازی نهایی توصیه میشود.
Keywords:
Astane-Koochesfahan Plain , Genetic Algorithm , Groundwater Monitoring network , Optimization , الگوریتم ژنتیک , الگوریتم اجزای جمعی , آب زیرزمینی , بهینه سازی , شبکه پایش سطح ایستابی , دشت آستانه-کوچصفهان
Authors
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 :