شبیه سازی و بهینه سازی برداشت از آب زیرزمینی در آبخوان ساحلی دریاکنار با مدل سوترا و الگوریتم ژنتیک
Publish place: 3rd Iran Water Resources Management Conference
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 2,239
This Paper With 8 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:
WRM03_112
Index date: 16 April 2008
شبیه سازی و بهینه سازی برداشت از آب زیرزمینی در آبخوان ساحلی دریاکنار با مدل سوترا و الگوریتم ژنتیک abstract
آب زیرزمینی در مناطق ساحلی، یکی از منابع مهم تأمین آب بشر میباشد که به علت مجاورت با آب شور دریا و احتمال هجوم این آب شور، مدیریت آن از اهمیت بسزائی برخوردار است. با توجه به سفره- های آب شیرین مناسب در شمال کشور و جنوب دریای خزر، این تحقیق در منطقه دریاکنار انجام گردید. در این تحقیق، تداخل آب شور و شیرین توسط مدل سوترا شبیه سازی گشته و برای اینکه بتوان نرخ پمپاژ را بهینه نمود، از مدل مذکور استفاده شد تا رفتار غیرخطی اندرکنش آب شور و شیرین در منطقه مورد مطالعه را به صورت روابط ریاضی درآورد. روابط به دست آمده در یک مدل بهینه سازی با الگوریتم ژنتیک استفاده شده و بهترین مقدار برداشت از آب شیرین که مرز آب شور را در محدوده مجاز نگه دارد،محاسبه گردید. مدل مذکور در محیط MATLAB نوشته شد و متوسط برداشت که از ۱۰۰ نسل نتیجه شد معادل 10/065 لیتر در ثانیه به دست آمد و حداکثر برداشت مجاز که همه محدودیت ها رعایت شده باشد، مقدار 10/466 لیتر در ثانیه بود. حداکثر پیشروی پاشنه آب شور مقدار ۱۹۰ متر بود که نسبت به شرایط طبیعی که ۸۰ متر بود، همچنان در محدوده مجاز بوده و امکان رسیدن آن به محل چاه وجود نداشت.
شبیه سازی و بهینه سازی برداشت از آب زیرزمینی در آبخوان ساحلی دریاکنار با مدل سوترا و الگوریتم ژنتیک Keywords:
شبیه سازی و بهینه سازی برداشت از آب زیرزمینی در آبخوان ساحلی دریاکنار با مدل سوترا و الگوریتم ژنتیک authors
نسیم طوفان تبریزی
دانشجوی کارشناسی ارشد، گروه منابع آب، دانشگاه تربیت مدرس
مهدی سلامی
دانش آموخته کارشناس ارشد، گروه آبیاری و زهکشی، دانشگاه تربیت مدرس
کورش محمدی
دانشیار، گروه آبیاری و زهکشی، دانشگاه تربیت مدرس
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 :