مکان یابی حفر چاه با استفاده از الگوریتم فرا ابتکاریPSO و تحلیل سلسله مراتبی (مطالعه موردی دشت مشهد)

الموضوعات :

مسعود عبدی ¹ (گروه عمران، واحد بین الملل کیش، دانشگاه آزاد اسلامی، جزیره کیش، ایران)
حسین ابراهیمی ² (گروه علوم و مهندسی آب، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران)
ابوالفضل اکبرپور ³ (گروه عمران، دانشگاه بیرجند، بیرجند، ایران)

تاريخ الإرسال : 18 الأحد , محرم, 1442 تاريخ التأكيد : 04 السبت , جمادى الأولى, 1442 تاريخ الإصدار : 05 الخميس , ربيع الأول, 1442

الکلمات المفتاحية: آب زیرزمینی, بهینه سازی ازدحام ذرات, تحلیل سلسله مراتبی,

ملخص المقالة :

چکیدهتعیین بهینه تعداد چاه مورد نیاز و دبی پمپاژ بهمراه انتخاب محل حفر چاه برای تامین نیاز آبی مصارف مختلف از مسائل مهم مدیریت منابع آب در مناطق خشک و نیمه خشک است. در این تحقیق از الگوریتم ازدحام ذرات و فرایند تحلیل سلسله مراتبی استفاده شد. تغییر مختصات چاه‌ها با توجه به ضخامت متغیر آبخوان و همچنین کیفیت متفاوت آب در مناطق مختلف، به ترتیب در هزینه‌های استخراج و تصفیه آب تاثیرگذار خواهد بود و از طرفی با فاصله گرفتن از محل مصرف، هزینه انتقال افزایش خواهد یافت. تغییر دبی پمپاژ چاه‌ها نیز بر روی انرژی مصرفی پمپ در فرایند استخراج آب و انتقال موثرخواهد بود. بر اساس نتایج حاصله هزینه طرح بهینه نسبت به طرح موجود تا حدود 10 درصد کاهش یافته است. نتایج AHP نشان داد افت سطح آب و کیفیت آب زیرزمینی بیشترین ضریب وزنی و فاصله از محل مصرف و اختلاف ارتفاع مناطق مختلف نسبت به محل مصرف کمترین ضریب وزنی را داشتند. با توجه به نتایج مدل منطقه با اولویت 1 جهت حفر چاه تعیین گردید متوسط افت سالیانه سطح آب در این قسمت از 13/1تا 3/0 متر متفاوت می باشد. در این قسمت422 حلقه چاه عمیق وجود دارد که حدود60 حلقه از آنها دارای آبدهی بیش از 20 لیتر در ثانیه بوده و گزینه مناسبی برای چایگزینی چاه های تامین آب شرب شهر هستند

المصادر:

اقتصادی، ف. قاسمیان، د. خیرخواه زرکش، ت. وثقفیان، ب.1390. مکان یابی مناطق مناسب تغذیه مصنوعی با استفاده از شبکه عصبی مصنوعی به منظور مدیریت آبهای زیرزمینی در منطقه شهریار استان یزد. ششمین کنگره ملی مهندسی عمران، دانشگاه سمنان، سمنان، ایران.

رمضانی مهربان، ت.، ملک محمدی،ب.، جعفری، و رفیعی، ی.1390. مکان یابی محل های انجام عملیات تغذیه مصنوعی آب­های زیرزمینی با بکارگیری روش­های تصمیم گیری چند معیاره و سامانه اطلاعات جغرافیایی مطالعه موردی: استان هرمزگان، دشت شمیل و آشکارا (مجله علوم و مهندسی آبخیزداری ایران، (14 )14-1.

فهرست بها، 1398 سازمان برنامه و بودجه کشور

قاسمی نژاد، ا. 1394. برنامه ریزی چند منظوره تخصیص منابع آب با در نظر گرفتن اهداف کمی و کیفی (مطالعه موردی: مخزن دوستی). کارشناسی ارشد پایان نامه ، دانشگاه شهید بهشتی

علیزاده، ا.1386. اصول هیدرولوژی کاربردی، انتشارات دانشگاه امام رضا، مشهد، چاپ سی و یکم

معروفی، ا. ترنجیان، ا. و زارع ابیانه، ح. 1388. ارزیابی روش­های زمین آمار جهت تخمین هدایت هیدرولیکی و ph زه آب­های آبراهه همدان بهار. مجله پژوهش های حفاظت آب و خاک دانشگاه علوم و کشاورزی و منابع طبیعی گرگان. 169-178: (2) 16.

وزارت نیرو، 1392. استاندارد شماره 577 صنعت آب

Arumugam, M. S, and M. V. C. Rao (2008) “On the improved performances of the particle swarm optimization algorithms with adaptive parameters, cross-over operators and root mean square (RMS) variants for computing optimal control of a class of hybrid systems,” Applied Soft Computing Journal, 8(1), pp. 324–336.

Ayvaz MT, Elçi A (2013) A groundwater management tool for solving the pumping cost minimization problem for the Tahtali watershed (Izmir-Turkey) using hybrid hs-solver optimization algorithm. Journal of Hydrology 478:63–76.

Bertolini, M., Braglia, M. and G. Carmignnani (2006) Application of the AHP methodology in making a proposal for a public work contract. International Journal of Management , 88: 1384-1395.

Chaudhry S (2003) Unit cost of desalination. California Desalination Task Force, California Energy Commission, Sacramento, California.

Eberhart RC, Kennedy J (1995) A new optimizer using particle swarm theory. In: Proc. of the Sixth International Symposium on Micro Machine and Human Science (MHS-1995), 4-6 October, Nagoya, Japan, 39-43

Ch S, Kumar D, Prasad RK, Mathur S (2013) Optimal design of an in-situ bioremediation system using support vector machine and particle swarm optimization. Journal of Contaminant Hydrology 151:105–116.

Conkling H (1946) Utilization of ground-water storage in stream system development. Transactions of the American Society of Civil Engineers 111(1):275–305.

Elçi A, Ayvaz MT (2014) Differential-evolution algorithm based optimization for the site selection of groundwater production wells with the consideration of the vulnerability concept. Journal of Hydrology 511:736–749.

Hsiao C-T, Chang L-C (2002) Dynamic optimal groundwater management with inclusion of fixed costs. Journal of Water Resources Planning and Management 128(1):57–65.

 Huang C, Mayer AS (1997) Pump-and-treat optimization using well locations and pumping rates as decision variables. Water Resources Research 33(5):1001–1012.

Katsifarakis KL, Petala Z (2006) Combining genetic algorithms and boundary elements to optimize coastal aquifers management. Journal of Hydrology 327(1-2):200–207.

Kennedy,J (1998) The behavior of Particle, Porto,V. W., Saravanan, N., Waagen,D., andEiben,.A.e.(eds),In:Evolutionary Programming VII,Springer,581-590.

McKinney DC, Lin M-D (1994) Genetic algorithm solution of groundwater management models. Water Resources Research 30(6):1897.

Mohtashami, A, Monfared SAH, Azizyan G, Akbarpour A, (2020) Determination of the optimal location of wells in aquifers with an accurate simulation-optimization model based on the meshless local Petrov-Galerkin. Arabian Journal of Geosciences 13,  26.

Sadeghi tabas S, Samadi SZ, Akbarpour A, Pourreza Bilondi M (2016) Sustainable groundwater modeling using single-and multi-objective optimization algorithms, Journal of Hydroinformatics, 18(5), pp. 1-18, 2016.

Storck P, Eheart JW, Valocchi AJ (1997) A method for the optimal location of monitoring wells for detection of groundwater contamination in three-dimensional heterogeneous aquifers. Water Resources Research 33(9):2081.

Ozcan, R. 2007. Assessment of the water quality of troia for the multipurpose usages. Springer Sience. Environmental Monitoring and Assessment, 130: 389-400.