بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی – بهینه‌سازی
با توجه به افزایش جمعیت و نیاز به تأمین آب، حفظ و حراست از منابع آب سطحی و زیرزمینی موردتوجه دولت‌ها قرار گرفته است. یکی از منابع آلاینده رودخانه‌ها، ورود شوری از منابع آب زیرزمینی به رودخانه است که در این پژوهش به‌عنوان منابعی گسترده درنظر گرفته شده است. هدف پژوهش، یافتن شدت شوری، مکان و طول منابع...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
University of Tehran, College of Aburaihan
2023-06-01
|
| Series: | مدیریت آب و آبیاری |
| Subjects: | |
| Online Access: | https://jwim.ut.ac.ir/article_92523_01dd0506fecb041696f8bbefcfc4e304.pdf |
| _version_ | 1797788611921313792 |
|---|---|
| author | فاطمه یوسفوند جمال محمدولی سامانی حسین محمد ولی سامانی مهدی مظاهری |
| author_facet | فاطمه یوسفوند جمال محمدولی سامانی حسین محمد ولی سامانی مهدی مظاهری |
| author_sort | فاطمه یوسفوند |
| collection | DOAJ |
| description | با توجه به افزایش جمعیت و نیاز به تأمین آب، حفظ و حراست از منابع آب سطحی و زیرزمینی موردتوجه دولت‌ها قرار گرفته است. یکی از منابع آلاینده رودخانه‌ها، ورود شوری از منابع آب زیرزمینی به رودخانه است که در این پژوهش به‌عنوان منابعی گسترده درنظر گرفته شده است. هدف پژوهش، یافتن شدت شوری، مکان و طول منابع با استفاده از توزیع زمانی غلظت در یک نقطه شاهد است. بدین منظور حل معکوس معادله جابه‌جایی- پراکندگی در رودخانه با رویکرد شبیه‌سازی- بهینه‌سازی انجام شد. برای شبیه‌سازی جریان و انتقال شوری از نرم‌افزار MIKE11 و برای بهینه‌سازی مجهولات مسأله از الگوریتم ژنتیک استفاده گردید. استفاده از یک نقطه شاهد در بازیابی چند منبع، مجهول‌بودن مکان و طول منابع علاوه بر شدت و تعیین حداقل داده لازم از نمودار برای بازیابی مجهولات مسأله، از مهم‌ترین نقاط قوت این پژوهش هستند. صحت‌سنجی مدل توسط مثال‌های فرضی، بازه 40 کیلومتری از رودخانه کارون و نیز اعمال سطوح پنج و 15 درصد خطا به داده‌های مشاهداتی انجام شد. نتایج مؤید توانایی مدل در بازیابی مشخصات چند منبع با استفاده از تنها یک نقطه شاهد می‌باشد. در صورت وجود سطح خطای پنج درصد در داده‌های مشاهداتی، بازیابی هر سه مشخصه منابع با دقت مطلوبی انجام می‌شود. درحالی‌که در سطح خطای 15 درصد، دقت مدل در بازیابی مکان و طول منابع کاهش می‌یابد. هم‌چنین برای بازیابی مشخصات هر منبع، تنها سه داده در قسمت صعودی نمودار که تحت تأثیر منبع موردنظر باشد کفایت می‌کند. |
| first_indexed | 2024-03-13T01:39:00Z |
| format | Article |
| id | doaj.art-9b2f4a81d751427ab79223e8111b94b0 |
| institution | Directory Open Access Journal |
| issn | 2251-6298 2382-9931 |
| language | fas |
| last_indexed | 2024-03-13T01:39:00Z |
| publishDate | 2023-06-01 |
| publisher | University of Tehran, College of Aburaihan |
| record_format | Article |
| series | مدیریت آب و آبیاری |
| spelling | doaj.art-9b2f4a81d751427ab79223e8111b94b02023-07-03T17:32:14ZfasUniversity of Tehran, College of Aburaihanمدیریت آب و آبیاری2251-62982382-99312023-06-0113247148610.22059/jwim.2023.355061.105192523بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی – بهینه‌سازیفاطمه یوسفوند0جمال محمدولی سامانی1حسین محمد ولی سامانی2مهدی مظاهری3گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.گروه عمران، دانشکده مهندسی عمران و معماری، دانشگاه شهید چمران، اهواز، ایران.گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.با توجه به افزایش جمعیت و نیاز به تأمین آب، حفظ و حراست از منابع آب سطحی و زیرزمینی موردتوجه دولت‌ها قرار گرفته است. یکی از منابع آلاینده رودخانه‌ها، ورود شوری از منابع آب زیرزمینی به رودخانه است که در این پژوهش به‌عنوان منابعی گسترده درنظر گرفته شده است. هدف پژوهش، یافتن شدت شوری، مکان و طول منابع با استفاده از توزیع زمانی غلظت در یک نقطه شاهد است. بدین منظور حل معکوس معادله جابه‌جایی- پراکندگی در رودخانه با رویکرد شبیه‌سازی- بهینه‌سازی انجام شد. برای شبیه‌سازی جریان و انتقال شوری از نرم‌افزار MIKE11 و برای بهینه‌سازی مجهولات مسأله از الگوریتم ژنتیک استفاده گردید. استفاده از یک نقطه شاهد در بازیابی چند منبع، مجهول‌بودن مکان و طول منابع علاوه بر شدت و تعیین حداقل داده لازم از نمودار برای بازیابی مجهولات مسأله، از مهم‌ترین نقاط قوت این پژوهش هستند. صحت‌سنجی مدل توسط مثال‌های فرضی، بازه 40 کیلومتری از رودخانه کارون و نیز اعمال سطوح پنج و 15 درصد خطا به داده‌های مشاهداتی انجام شد. نتایج مؤید توانایی مدل در بازیابی مشخصات چند منبع با استفاده از تنها یک نقطه شاهد می‌باشد. در صورت وجود سطح خطای پنج درصد در داده‌های مشاهداتی، بازیابی هر سه مشخصه منابع با دقت مطلوبی انجام می‌شود. درحالی‌که در سطح خطای 15 درصد، دقت مدل در بازیابی مکان و طول منابع کاهش می‌یابد. هم‌چنین برای بازیابی مشخصات هر منبع، تنها سه داده در قسمت صعودی نمودار که تحت تأثیر منبع موردنظر باشد کفایت می‌کند.https://jwim.ut.ac.ir/article_92523_01dd0506fecb041696f8bbefcfc4e304.pdfالگوریتم ژنتیکشبیه‌سازی عددیمدل مستقیممدل معکوسمعادله جابه‌جایی- پراکندگینرم‌افزار mike11 |
| spellingShingle | فاطمه یوسفوند جمال محمدولی سامانی حسین محمد ولی سامانی مهدی مظاهری بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی – بهینه‌سازی مدیریت آب و آبیاری الگوریتم ژنتیک شبیه‌سازی عددی مدل مستقیم مدل معکوس معادله جابه‌جایی- پراکندگی نرم‌افزار mike11 |
| title | بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی – بهینه‌سازی |
| title_full | بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی – بهینه‌سازی |
| title_fullStr | بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی – بهینه‌سازی |
| title_full_unstemmed | بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی – بهینه‌سازی |
| title_short | بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی – بهینه‌سازی |
| title_sort | بازیابی منابع گسترده شوری وارده به رودخانه از آبخوان با استفاده از رویکرد شبیه‌سازی بهینه‌سازی |
| topic | الگوریتم ژنتیک شبیه‌سازی عددی مدل مستقیم مدل معکوس معادله جابه‌جایی- پراکندگی نرم‌افزار mike11 |
| url | https://jwim.ut.ac.ir/article_92523_01dd0506fecb041696f8bbefcfc4e304.pdf |
| work_keys_str_mv | AT fạṭmhywsfwnd bạzyạbymnạbʿgstrdhsẖwrywạrdhbhrwdkẖạnhạzậbkẖwạnbạạstfạdhạzrwyḵrdsẖbyhsạzybhynhsạzy AT jmạlmḥmdwlysạmạny bạzyạbymnạbʿgstrdhsẖwrywạrdhbhrwdkẖạnhạzậbkẖwạnbạạstfạdhạzrwyḵrdsẖbyhsạzybhynhsạzy AT ḥsynmḥmdwlysạmạny bạzyạbymnạbʿgstrdhsẖwrywạrdhbhrwdkẖạnhạzậbkẖwạnbạạstfạdhạzrwyḵrdsẖbyhsạzybhynhsạzy AT mhdymẓạhry bạzyạbymnạbʿgstrdhsẖwrywạrdhbhrwdkẖạnhạzậbkẖwạnbạạstfạdhạzrwyḵrdsẖbyhsạzybhynhsạzy |