بهینه یابی مدل عددی برداشت از آبخوان با استفاده از الگوریتم ژنتیک (مطالعه موردی: آبخوان ساحلی ارومیه)

سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 115

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-10-2_009

تاریخ نمایه سازی: 30 بهمن 1401

چکیده مقاله:

مدل سازی به عنوان روشی کارآمد، با کمترین هزینه، امکان مطالعه پیچیدگی جریان آب زیرزمینی را برای مدیران فراهم می کند. همواره تعیین میزان برداشت بهینه از آبخوان یکی از پیچیده ترین مسائل پیش روی مهندسین علوم آب بوده است. هدف از این تحقیق، مدیریت بهره برداری بهینه از آبخوان دشت ساحلی ارومیه و تعیین نرخ بهینه پمپاژ چاه های بهره برداری است؛ تا با جلوگیری از برداشت بیش از حد آب زیرزمینی، بتوان دریاچه ارومیه را از بحران خشک شدن روزافزون نجات داد. در این پژوهش ابتدا مدل جریان آبزیرزمینی محدوده مورد مطالعاتی با استفاده از نرم افزار Visual MODFLOW (Ver ۴.۲) طراحی و ساخته شد، سپس چاه های منطقه مور مطالعه جهت بهینه کردن نرخ پمپاژ با توجه به ویژگی های ضریب هدایت هیدرولیکی و ضریب آبدهی ویژه، منطقه بندی گردیدند. در نهایت نرخ پمپاژ چاه های بهره برداری با توجه به هدف مورد نظر (کمینه سازی نرخ پمپاژ چاه های بهره برداری) و با استفاده از الگوریتم ژنتیک بهینه گردید.

نویسندگان

محمد نخعی

دانشیار / هیدروژئولوژی، گروه زمین شناسی، دانشگاه خوارزمی تهران

خالق محمدی

کارشناسی ارشد زمین شناسی/ آب شناسی دانشگاه خوارزمی تهران

حسین رضایی

دانشیار / علوم مهندسی آبیاری، گروه مهندسی آب، دانشگاه ارومیه

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :