تخمين پارامترهاي هيدروليكي سفره‌هاي تحت فشار با استفاده از الگوريتم دسته ماهي‌هاي مصنوعي

Estimation of Hydraulic Parameters of Confined Aquifers by Artificial Fish Swarm Algorithm

در مديريت و برنامه ريزي منابع آب زيرزميني تهيه مدل رياضي ضروري است. در تهيه مدل هاي رياضي آب زيرزميني، تعيين مقادير پارامترهاي هيدروليكي آبخوان نقش مهمي را ايفا مي كند، بنابراين انتخاب روشي مناسب براي تعيين اين مقادير مهم و ضروري است. تاكنون روش هاي متفاوتي براي تخمين پارامترهاي هيدروليكي آبخوان با استفاده از نتايج اندازه گيري هاي آزمايش پمپاژ مطرح شده است. در اين تحقيق، روش بهينه سازي الگوريتم دسته ماهي هاي مصنوعي براي تخمين پارامترهاي هيدروليكي سه آبخوان تحت فشار با روش گرافيكي و الگوريتم GA مورد ارزيابي قرار گرفت. الگوريتم دسته ماهي هاي مصنوعي (AFSA) يكي از الگوريتم هاي هوش جمعي است كه از رفتارهاي اجتماعي دسته ماهي ها در طبيعت الهام گرفته شده است. مقايسه نتايج بدست آمده در اين روش و روش گرافيكي و GA نشان داد كه AFSA همانند GA روشي مناسب براي تخمين پارامترهاي هيدروليكي آبخوان است و عملكرد بهتري نسبت به روش گرافيكي دارد. با توجه به اينكه اين الگوريتم به انتخاب مقادير اوليه متغير تصميم براي شروع حل حساس نيست، مي تواند نسبت به GA، راه حل مناسب تري براي تخمين پارامترهاي آبخوان هايي باشد كه خصوصيات زمين شناسي آن ناشناخته است.

Groundwater modeling is essential in aquifer management and planning. Determination of hydraulic parameters in aquifer plays a key role in groundwater modeling, therefore choosing a suitable method for determination these parameters is very important. So far, various methods have been developed to estimate hydraulic parameters of aquifers using in situ pump test measurments. In this research, Artificial Fish Swarm Algorithm (AFSA) was evaluated for estimation of the hydraulic conductivity and storage coefficient parameters in three confined aquifers, using graphic method and Genetic Algorithm (GA). AFSA is one of the algorithms inspired both from the nature and swarm intelligence algorithms. The results obtained by AFSA, graphic method and GA were compared and it was found that the AFSA similar to GA is a proper method for estimation of aquifer hydraulic coefficients and it has a better performace as compared to the graphic method. As, AFSA is not sensitive to initial values of decision variables, it could be useful for estimation parameters of aquifers in which geological characteristics are unknown.