استفاده از الگوریتم ژنتیک برای تخمین پارامترهای هیدرولیکی سفره آزاد

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار گروه زمین شناسی، دانشگاه تبریز

2 استادیار دانشکده مهندسی عمران، دانشگاه تبریز

3 دانشجوی کارشناسی ارشد هیدروژئولوژی، دانشگاه تبریز

چکیده

امروزه استفاده از روشهای بهینه‌سازی از جمله الگوریتم ژنتیک در حل مسائل پیچیده مهندسی مورد توجه مجامع علمی واقع شده است. در این تحقیق کارایی الگوریتم ژنتیک در تخمین پارامترهای هیدرولیکی سفره آزاد از داده‌های آزمایش پمپاژ، مورد ارزیابی قرار گرفته و با انجام آنالیز حساسیت آرایش بهینه‌ای برای تخمین پارامترهای هیدرولیکی سفره آزاد پیشنهاد گردید. به این منظور با استفاده از الگوریتم ژنتیک پارامترهای مربوط به سه آزمایش پمپاژ، برآورد و با نتایج حاصل از روشهای گرافیکی مقایسه شد. نتایج حاصل نشان می‌دهند که در تخمین پارامترهای هیدرولیکی سفره آزاد، روش هوشمند الگوریتم ژنتیک روشی کارا و قابل اعتماد بوده و عملکرد آن در مواردی که با نقص داده‌ها مواجه هستیم بهتر از روش گرافیکی است.

کلیدواژه‌ها


عنوان مقاله [English]

Using Genetic Algorithm to Estimate Hydraulic Parameters of Unconfined Aquifers

نویسندگان [English]

  • Asghar Asghari Moghaddam 1
  • Vahid Nourani 2
  • Mehdi Kord 3
1 Assoc. Prof., Geology Dept., University of Tabriz
2 Assist. Prof., Civil Engineering Dept., University of Tabriz
3 MSc. Student, Geology Dept., University of Tabriz
چکیده [English]

Nowadays, optimization techniques such as Genetic Algorithms (GA) have attracted wide attention among scientists for solving complicated engineering problems. In this article, pumping test data are used to assess the efficiency of GA in estimating unconfined aquifer parameters and a sensitivity analysis is carried out to propose an optimal arrangement of GA. For this purpose, hydraulic parameters of three sets of pumping test data are calculated by GA and they are compared with the results of graphical methods. The results indicate that the GA technique is an efficient, reliable, and powerful method for estimating the hydraulic parameters of unconfined aquifer and, further, that in cases of deficiency in pumping test data, it has a better performance than graphical methods.

کلیدواژه‌ها [English]

  • hydraulic parameters
  • unconfined aquifer
  • Pumping test
  • optimization
  • Genetic algorithm
  • Graphical method
1- Kruseman, G. P., and De Ridder, N. A. (1983). Analysis and evaluation of pumping test data, 1st Ed., ILRIWageningen,Netherlands.

2- Batu, V. (1998). Aquifer hydraulics a comprehensive guide to hydrogeologic data analysis, 1st Ed., John Wiely and Sons Inc,New York.USA.

3- Cooley, R. L. (1977). “A method of estimating parameters and assessing reliability for models of steady state groundwater flow 1. Theory and numerical properties.” Water Resou. Res., 13(2),
318-324.

4- Yeh, W. W. (1986). “Review of parameter identification procedures in groundwater hydrology: The inverse problem.” Water Resour. Res., 22(2), 95-108.

5- Carrera, J., and Neuman, S. P. (1986a). “Estimation of aquifer parameters under transient and steady state conditions: 1.Maximum likelihood method incorporating prior information.” Water Resour. Res., 22(2),199-210.

6- Carrera, J., and Neuman, S. P. (1986b). “Estimation of aquifer parameters under transient and steady state conditions: 2. Uniquneness, stability and solution algorithms.” Water Resour. Res., 22(2), 211-227.

7- Sun, N. Z. (1994). Inverse problems in groundwater modeling, 1st Ed., Kluwer Academic Publishers,Dordrecht,Netherlands.

8- Abbaspour, K. C., Van Genuchter, M. T., Schulin, R., and Schlappi, E. (1997), “A sequential uncertainty domain inverse procedure for estimating subsurface flow and transport parameters.” Water Resour. Res., 33(8), 1879-1892.

9- Prasad, K. L., and Rastogi, A. K. (2001). “Estimating net aquifer recharge and zonal hydraulic conductivity values for MahiRight BankCanalproject area, Indiaby genetic algorithm.”
J. Hydrol., 243, 149-161.

10- Samuel, M. P., and Jha, M. K. (2003). “Estimation of aquifer parameters from pumping test data by genetic algorithm optimization technique.” J. of Irrigate Engineering, 129(5), 359-359.

11- Davis, L. )1991(. A handbook of genetic algorithms, 1st Ed., VanNostrand Reinhold,New York.USA.

12- Samuel, M. P. (2002). ‘‘Determination of aquifer and well parameters using genetic algorithm.’’ MSc. Thesis, Indian Institute of Technology,Kharagpur,India.

13- Neuman, S. P. (1972). “Theory of flow in unconfined aquifers considering delay response of the water table.” Water Resour. Res., 8, 1031-1045.

14- Neuman, S. P. (1975a). “Analysis of pumping test data from anisotropic unconfined aquifers considering delayed gravity response.” Water Resour. Res., 11, 329-342.

15- Goldberg, D. E. (1989). Genetic algorithms in search, optimization and machine learning, 1st Ed., Addison-Wesley Publishing Company,New York.

16- Mitsuo, G., and Cheng, R. (1997). Genetic algorithms and engineering design, 1st Ed., John Wiley and Sons Inc,New York.USA.

17- Asghari Moghaddam,  A. (1991). “The hydrogeology of theTabrizarea,Iran.” Ph.D Thesis,UniversityCollegeLondon.UK.

18- Genetic Algorithm and Direct Search Toolbox User’s Guide. (2006). 1st Ed., The Mathworks Inc.

19- Daliakopoulos, I. N., Coulibaly, P., and Tsanis, I.K. (2005). “Ground water level forecasting using artificial neural networks.” J. Hydrol., 309, 229-240.