پديد آورندگان :
رئسي عيسي آبادي، علي داﻧﺸﮕﺎه ﺷﻬﺮﮐﺮد - گروه مهندسي آب , غفوري،حميدرضا داﻧﺸﮕﺎه ﺷﻬﯿﺪ ﭼﻤﺮان اﻫﻮاز - ﮔﺮوه ﻣﻬﻨﺪﺳﯽ ﻋﻤﺮان , مسلم زاده، مسلم ﺳﺎزﻣﺎن آب و ﺑﺮق ﺧﻮزﺳﺘﺎن - ﻣﻨﺎﺑﻊ آب
كليدواژه :
آب زيرزميني , شبكه اندازهگيري , زمين‌آمار , بهينه‌سازي , الگوريتم جستجوي تابو
چكيده فارسي :
سابقه و هدف: آب‌هاي زيرزميني هم به دليل كميت و هم به دليل كيفيت جزء با ارزش‌ترين منابع آب به‌شمار مي‌روند. اندازهگيري تراز سطح آب زيرزميني يكي از گام‌هاي اساسي و ضروري مطالعات آب زيرزميني محسوب مي‌شود. از آنجا كه اندازهگيري داده‌ها در نقاط محدودي انجام مي‌شود، و از طرفي اين اندازه‌گيري‌ها بايستي به سطح تعميم داده شود، تعيين محل‌هاي بهينه اندازهگيري شبكه امري مهم به‌شمار مي‌رود. بر همين اساس در مطالعه حاضر با هدف كاهش تعداد چاههاي اندازهگيري (چاههاي مشاهده‌اي)، تعدادي از چاه‌ها به‌گونه‌اي حذف گرديد كه چاههاي باقيمانده يك تركيب بهينه داشته باشند.
مواد و روش‌ها: در اين پژوهش دشت دزفول- انديمشك واقع در شمال استان خوزستان به عنوان مطالعه موردي مبناي كار قرار گرفت. روش كريجينگ كه بهترين تخمين‌گر خطي نااريب به‌شمار مي‌رود براي ميان‌يابي مورد استفاده قرار گرفت. براساس داده‌هاي اندازهگيري شده 76 چاه مشاهده‌اي مورد مطالعه در اين دشت، يك واريوگرام تئوري بر داده‌هاي واريوگرام تجربي برازش داده شد. سپس به‌منظور يافتن تركيب بهينه چاه‌ها از يك روش بهينه‌سازي تحت عنوان الگوريتم تابو (كه يك الگوريتم فراكاوشي محسوب مي‌شود) بهره گرفته شد. بدين منظور دو برنامه كامپيوتري شامل GSLIB براي مدل كردن روش كريجينگ و MATLAB براي انجام محاسبات الگوريتم جستجوي تابو مورد استفاده قرار گرفتند. با اتصال دادن اين دو برنامه و فراهم آوردن شرايطي براي تبادل اطلاعات ميان آن‌ها، يك مدل تحت عنوان مدل بهينه‌ساز به‌گونه‌اي حاصل شد تا قابليت بهينه‌سازي شبكه اندازهگيري سطح آب زيرزميني فراهم گردد. توزيع چاه‌ها به‌گونه‌اي صورت مي‌گيرد كه واريانس خطاي تخمين كريجينك در محدوده مورد مطالعه حداقل گردد.
يافته‌ها: مدل بهينه‌ساز حاصل براي پنج حالت كاملاً متفاوت اجرا گرديد. در حالت‌هاي اول تا سوم كه هدف آن صرفاً صحت‌سنجي مدل بوده، بترتيب انتخاب بهينه يك، دو و سه چاه مشاهده‌اي ارائه شد كه با مقايسه با روش جستجوي كامل، صحت كاركرد مدل مورد تأييد قرار گرفت. در حالت‌هاي چهارم و پنجم، انتخاب بهينه 50 و 60 چاه مشاهده‌اي از ميان 76 چاه موجود ارائه گرديد كه تراز سطح آب زيرزميني براي اين حالت‌ها مورد مقايسه قرار گرفت و حاكي از تطابق خوب نتايج در مقايسه با تراز سطح آب زيرزميني ناشي از كل چاه‌ها (76 چاه) مي‌باشد.
نتيجه‌گيري: با توجه به اينكه واريوگرام منطقه يك واريوگرام همسان‌گرد بوده، توزيع چاه‌ها نيز در امتدادهاي مختلف بطور يكنواخت بوده، اين نتيجه براساس نتايج حالت‌هاي اول تا سوم كه تعداد چاه‌ها كم مي‌باشد بخوبي ملموس مي‌باشد. نتايج حاصل از بهينه‌سازي 50 و 60 چاه مشاهده‌اي بدون هيچ‌گونه دخالتي در طي فرايند بهينه‌سازي توسط مدل حاضر و بطور خودكار ارائه شده كه مقايسات تراز سطح آب زيرزميني دقت نتايج مدل را تاييد مي‌كند. همچنين نتايج حاكي از صرفه جويي بسيار زياد زمان بواسطه استفاده از مدل حاضر مي‌باشد.
چكيده لاتين :
Background and objectives: Groundwater is one of the most valuable water resources owing to its quantity and quality. Measuring water level is a basic and essential step in any groundwater study. Since the measured data are derived only from a limited number of observation points and, at the same time, they must be extended to the whole surface of the zone, it is essential to determine optimal location of measuring network. Accordingly, for reduction of observation wells, a number of them were eliminated in such a way that the remaining wells have an optimal combination.
Materials and methods: Dezfoul-Andimeshk plain, located in north of Khouzestan Province, was investigated as a case study. Kriging, as the best linear unbiased estimator, was used for interpolation of groundwater level. Based on the measured data of 76 studied observation wells, a theoretical variogram was fitted to empirical variogram points. To achieve the optimal combination, tabu search algorithm (a meta-heuristic algorithm) was used. Two computer programs including GSLIB and MATLAB were used for Kriging and tabu search, respectively. Linking the programs and preparing conditions for data exchange between them, a model called optimizer model was generated so that capability of optimizing the groundwater surface measuring network is made possible. The observation points are distributed such that variance estimation error limited to the plain extent is minimized.
Results: Optimization model is run in five different cases. For the first to third cases, simply considered for verification purposes, optimal selection of one to three observation wells were respectively presented, which authenticated the model performance against complete search method. In the fourth and fifth cases, the optimal selection of 50 and 60 out of 76 observation wells were presented for which the groundwater levels were compared and the results show that there exists a good match between the groundwater surface results in comparison with those of whole wells (76 wells).
Conclusion: As the variogram fitted to the groundwater data is isotropic, the distribution of the observation wells along different directions will be the same. This is tangible for the first to third cases in which the number of wells is small. Optimization results of 50 and 60 observation wells were automatically achieved by the model without any interference. The comparisons of results indicate a good accuracy for the optimization model. Also, the results show that using the present model saves a lot of time.
