کاربرد الگوریتم نوین شبیه‌ساز بهینه‌ساز LSSVM-PSO در طراحی شبکۀ بهینۀ پایش تراز سطح آب زیرزمینی

نوع مقاله : پژوهشی

نویسندگان

1 کارشناس ارشد منابع آب، دانشگاه بیرجند

2 دانشیار گروه علوم و مهندسی آب، دانشگاه بیرجند

3 استادیار 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

موضوعات


[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
to the air quality study at local scale in the Avilés urban area (Spain). Mathematical and Computer Modelling.2011.54:1453–1466.
[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
دوره 5، شماره 4
دی 1397
صفحه 1309-1319
  • تاریخ دریافت: 31 خرداد 1397
  • تاریخ بازنگری: 01 مهر 1397
  • تاریخ پذیرش: 01 مهر 1397
  • تاریخ اولین انتشار: 01 دی 1397
  • تاریخ انتشار: 01 دی 1397