TY - JOUR T1 - Optimal Design of Obsevation Wells in a Groundwater Monitoring Network Using Meta-Heuridtic Genetic Algorithm TT - طراحی بهینه چاه های مشاهده ای در یک شبکه پایش سطح آب زیرزمینی با استفاده از الگوریتم فوق ابتکاری ژنتیک JF - jwmr JO - jwmr VL - 7 IS - 14 UR - http://jwmr.sanru.ac.ir/article-1-767-fa.html Y1 - 2017 SP - 166 EP - 159 KW - Astane-Koochesfahan Plain KW - Genetic Algorithm KW - Groundwater Monitoring network KW - Optimization N2 - 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 26 درصد (57 به 42 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 2025/0 و3222/0 متر محاسبه شد. مقایسه مقادیر RMSE روش GA جهت بهینه­سازی نهایی توصیه می­شود. M3 10.29252/jwmr.7.14.166 ER -