تعداد نشریات | 161 |
تعداد شمارهها | 6,533 |
تعداد مقالات | 70,504 |
تعداد مشاهده مقاله | 124,124,838 |
تعداد دریافت فایل اصل مقاله | 97,233,408 |
کاربرد الگوریتم نوین شبیهساز بهینهساز LSSVM-PSO در طراحی شبکۀ بهینۀ پایش تراز سطح آب زیرزمینی | ||
اکوهیدرولوژی | ||
مقاله 20، دوره 5، شماره 4، دی 1397، صفحه 1309-1319 اصل مقاله (968.41 K) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2018.260608.908 | ||
نویسندگان | ||
محدثه کاووسی1؛ عباس خاشعی سیوکی* 2؛ محسن پوررضا بیلندی3؛ محمدحسین نجفی3 | ||
1کارشناس ارشد منابع آب، دانشگاه بیرجند | ||
2دانشیار گروه علوم و مهندسی آب، دانشگاه بیرجند | ||
3استادیار گروه مهندسی آب، دانشگاه بیرجند | ||
چکیده | ||
بهینهسازی شبکۀ پایش در منابع آب، یک فرایند تصمیمگیری به منظور داشتن بهترین ترکیب برای ایستگاههای موجود است. در تحقیق حاضر از الگوریتم بهینهسازی ازدحام ذرات PSO به منظور تعیین تعداد و موقعیت بهینۀ چاههای مشاهداتی استفاده شده است. ابتدا، با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان و با پارامترهای ورودی مختصات جغرافیایی، تبخیر، بارندگی دو ماه قبل، تراز سطح زمین و سطح ایستابی یک ماه قبل با تابع کرنل RBF سطح آب زیرزمینی شبیهسازی شد و تعداد 42 چاه مشاهدهای بهینه به دست آمد. سپس، با ارتباط مدل LSSVM و مدل PSO موقعیت مناسب چاههای مشاهدهای تحت دو سناریو تعیین شد. در سناریوی نخست موقعیت تعداد چاههای مشاهدهای ثابت 42 حلقه تعیین شده و در سناریوی دوم تعداد و موقعیت پیزومترها متغیر در نظر گرفته شد. نتایج نشان داد با توجه به اینکه تابع هدف کمینهسازی اختلاف حد مشاهداتی و حد شبیهسازی است، در سناریوی نخست کمترین میزان اختلاف در تکرار 180 با مقدار تابع هدف 9865/0 ارزیابی شد. نتایج بهدستآمده از سناریوی دوم نشان میدهد تعداد چاههای مشاهدهای برابر 28 حلقه به دست آمد که بیانکنندۀ کاهش 55 درصدی تعداد پیزومترها نسبت به حالت اولیه است. در هر دو سناریو پراکندگی نقاط در قسمتهای جنوبی به علت زیادشدن شیب هیدرولیکی آبخوان بیشتر شده و در قسمتهای شمالی کمتر است. در این سناریو کمترین میزان خطا در تکرار 338 با تابع هدف 9145/0 به دست آمد. این بهینهسازی درجۀ اهمیت و برتری سناریوی دوم را نسبت به سناریوی نخست نشان میدهد. | ||
کلیدواژهها | ||
الگوریتم ازدحام ذرات؛ بهینهسازی؛ پایش منابع آب؛ سطح آب زیرزمینی | ||
مراجع | ||
[1]. Izadi,A,Davari,K, Alizadeh,A,Ghahraman,B. Using panel data model to predict groundwater levels. Journal of Irrigation and Drainage,2008.(Persian) [2]. Mirzaee,A, Nazmi,H. Predicted water levels using intelligent systems. Engineering Magazine.4.2011.(Persian) [3]. Seifi,A, Myrlotfy,S, Riahi,H. Assessment and monitoring of weather station network using principal components analysis and factor analysis Case study: Kerman. Journal of Irrigation and Drainage,2012.Number1, Volume5,(Page30-42). (Persian) [4]. Asefa, T., W.Kemblowski, M., Urroz, G., Mckee, M., and Khalil, A.Support vectors machines(SVM) for monitoring network design.l Ground water.2004,Vol.43.No.3:413-422. [5]. Akbarzada,M,Ghahraman,B. simultaneous use of Kriging space-time and entropy to determine the optimal network quality monitoring groundwater resources Mashhad. Journal of Soil and Water(Agricultural Science and Technology),2013, Volume 27,Number3. (Persian) [6]. Ghahraman,B, Hosseini,M, Asgari,H. The application of geostatistics to assess groundwater quality monitoring networks. summer2003, Amir Kabir, Fourteenth year,Number55(Civil Engineering). (Persian) [7]. Run،Y،Li،X،Ge،Y،Lu،X،Lian،Y.Optimal selection of groundwater level-monitoring sites in the zhangye, basin northwest china.2015.Vol.525.p:209-215. [8]. Afshar,A,Mknon,R,Afshar,A,. Optimal positioning of monitoring stations in water distribution networks using the algorithm ants. Water and Wastewater,2006,number59.(Persian) [9]. Azadnia,A,Zahraei,B. PSO optimization algorithm in multi-objective optimization operation of reservoir, Fifth National Congress of Civil Engineering,4-6may2010, Mashhad Ferdowsi University.(Persian) [10]. Me'raji,H, Valipoor,R,Meraji,s.Diversion dams size optimization system based on risk using PSO algorithm. Journal of Civil Engineering school, Summer and Fall2006. (Persian) [11]. Khashei- Siuki,A,Ghahraman,B, Kochakzade, M. Determine optimal crop pattern to avoid the drop in groundwater with PSO algorithm. Iran Water Research Journal, spring and summer2014. (Persian) [12]. Rezai,A, Shahidi,A, Khashei-Siuki,A, Riahi Madvar,H. Performance evaluation least squares support vector machine model to predict the water table. Journal of Irrigation and Drainage,2014.Number4, Volume 7, Page 510-520. (Persian) [13]. Rezai,A, Khashei-Siuki,A ,Shahidi,A. Ground water level monitoring network design using the least squares support vector machine (LS-SVM). Iran Soil and Water Research, Volume 45,Number 4,January 2015,(page 389-396). (Persian) [14]. Zhou, Y., Dong, D., Liu, J., and Li, W.Upgrading a regional groundwater level monitoring network for Beiging Plain,China.Geoscience Frontiers.(2012). [15]. Guo, Y., Wang, j., Yin, X.Optimizing the ground water monitoring network using MSN Theory.Procedia Social and behavioral Sciences.2011,21:240-242. [16]. Babbar-Sebens, M., Minsker, B. A Case-Based Micro Interactive Genetic Algorithm (CBMIGA) for interactive learning and search: Methodology and application to groundwater monitoring design. Environmental Modelling&Software,2010.25:1176-1187. [17]. Reed, P., B-Kollat, J., Devieddy, V.k.Using interactive archives in evoloutionary Multiobjective optimization:A case study for Long-Term groundwater monitoring design. Environmental Modelling&Software.2007.22:683-692. [18]. Asefa, T., W.Kemblowski, M., Urroz, G., Mckee, M., and Khalil, A.Support vectors-based groundwater head observation networks design.Water Resources Research.2005,Vol.40 [19]. Montazer,A,Nasiri ghedari,A,Shahraki,M. Determining the optimal network monitoring groundwater resources Sistan and Baluchestan Province. The first Conference of Applied Research in Water Resources,Page21-23,April2010, Kermanshah.iran. (Persian) [20]. Masumi,F, Krachyan,R. Optimization locate underground water quality monitoring stations using entropy. Journal of Water and Wastewater.2008,Number67. (Persian) [21]. Ganji Khorramdel,N, Mohammadi,K,Monam,M. Network optimization observation wells for estimating groundwater balance with dual swing. Journal of Soil and Water(Agricultural Science and Technology),2007. (Persian) [22]. Hagheghat,R, Mohammadi,K,Dorry,F. Groundwater level monitoring network optimization Ardestān geostatistical methods. Twenty-sixth meeting of Earth Sciences,28-30January2008. (Persian) [23]. Chitsazan,M,Mosavi,F,Mirzaei,Y,Rastegarzade,S. Quantitative and qualitative aquagromatic significance of Ramhormoz plain using mathematical descriptions in MODFLOW and MD3DMS. Advanced Applied Geology Journal, Autumn2012, No. 5 [24]. Sanchez, A.S., Nieto, P.J.G., Fernandez, P.R., Diaz, J.J.D., Iglesias-Rodr, F.J. Application of an SVM-based regression model [25]. Khashei-Siuki,A,Ghahraman, B,Kochakzade, M.Application of agricultural water allocation and management using pso optimization technique.water and soil journal,May and june2013. (Persian) [26]. Forgive,F,Rezaei,M. Optimization of underground water level monitoring network in Tabriz plain using ground statistics methods. Quarterly Journal of Environmental Geology.2012. Seventh year | ||
آمار تعداد مشاهده مقاله: 648 تعداد دریافت فایل اصل مقاله: 348 |