Journal of Watershed Management Research

fa طراحی بهینه چاه های مشاهده ای در یک شبکه پایش سطح آب زیرزمینی با استفاده از الگوریتم فوق ابتکاری ژنتیک Optimal Design of Obsevation Wells in a Groundwater Monitoring Network Using Meta-Heuridtic Genetic Algorithm تخصصي Special پژوهشي Research  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. Well designed monitoring networks are essential for the effective management of groundwater resources but the costs of monitoring well installations and sampling can prove prohibitive. The challenge is to obtain adequate water quality and quantity information with a minimum number of wells and sampling points, a task that can be approached objectively and effectively using numerical optimization methods. Unfortunately, aquifer systems tend to be complex and monitoring can be very expensive, particularly when it requires the installation of a dedicated network of monitoring wells. In recent years, the challenge has been to design monitoring networks that are both efficient and cost effective. With regards to groundwater monitoring systems, where the challenge is to maximize the availability of good quality data while minimizing the number of sampling sites and thereby limiting costs, optimization techniques clearly have a potentially valuable application.  In this paper we use a site in northern Iran to test the ability of GA, when used in combination with Kriging, in comparison with PSO to lower the cost of a monitoring network by reducing the number of monitoring wells without compromising the quality of the interpolated data. The results of the optimization showed that the number of observation wells in the Astaneh aquifer monitoring network could be reduced by 26% from 57 to 42 without a significant loss of information. The root mean square error (RMSE) for the final optimized network in GA was 0.2025 m, that in PSO 0.3222 m. A comparison of RMSE values determined using the GA algorithm with those calculated using PSO algorithm technique showed good agreement and provides strong support for more efficient GA approach. الگوریتم ژنتیک, الگوریتم اجزای جمعی, آب زیرزمینی, بهینه سازی, شبکه پایش سطح ایستابی, دشت آستانه-کوچصفهان Astane-Koochesfahan Plain, Genetic Algorithm, Groundwater Monitoring network, Optimization 166 159 http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-162&slc_lang=fa&sid=1 ناصر گنجی خرمدل 10031947532846004428 10031947532846004428 Yes فاطمه کیخایی 10031947532846004429 10031947532846004429 No