توسعه الگوریتم بهینه سازی جامعه مورچه ها به صورت تلفیقی با مدل شبیه سازی عددی برای مدیریت بهینه آبخوان های ساحلی
سال انتشار: 1389
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 116
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-7-1_002
تاریخ نمایه سازی: 1 اسفند 1401
چکیده مقاله:
آبخوان های ساحلی یکی از منابع حیاتی موجود در مناطق ساحلی می باشند. در این مناطق از سطح جهان که اغلب، مناطقی پرجمعیت، صنعتی و پراهمیت هستند، به دلیل فشارهای وارده، امکان بروز چالش های زیست محیطی، وجود دارد. از معمول ترین آنها، می توان به رخ دادن پدیده پیشروی آب شور به دلیل برداشت نادرست و بیش از حد آب زیرزمینی ساحلی و کاهش کیفیت آن اشاره نمود که محدودیت های زیادی را در نحوه بهره برداری از آبخوان های ساحلی فراهم می نماید. شناخت صحیح سیستم آب زیرزمینی در آبخوان ساحلی و پدیده پیشروی آب شور به سمت آن، در تدوین سیاست های نحوه بهره برداری از منابع آب موجود و کنترل پیشروی آب شور ضروری است. در این مطالعه، مدل تلفیقی شبیه سازی عددی و بهینه سازی به روش جامعه مورچه ها در محیط های پیوسته و با اعمال استراتژی Elitist برای مدیریت بهینه آبخوان های ساحلی با هدف کنترل خطر پیشروی آب شور دریا ارائه می گردد. در مدل شبیه سازی عددی بر اساس گسسته سازی تفاضلات محدود، ایده ای ساده مبتنی بر برقراری معادله پیوستگی جریان با امکان افزودن پیچیدگی های بیشتر منطبق بر واقعیت، توسعه داده شده و ابزار بررسی توابع هدف متنوع تر با گستره وسیع تری از قیود مورد توجه در مباحث مدیریت آبخوان ساحلی، در تنظیم معادلات و روند کار، لحاظ شده است. کارآیی مدل با به کار بردن آن در چندین مثال حل شده و مقایسه با کارهای پیشین، ارزیابی شده که نتایج این ارزیابی، نشان دهنده دقت و اعتبار مدل تدوین شده بوده و قابلیت کاربرد آن را در مدیریت بهینه آبخوان های ساحلی در مطالعه های واقعی نمایان می سازد.
کلیدواژه ها:
نویسندگان
حامد کتابچی
دانشجوی دکترای / مهندسی آب، دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران
بهزاد عطایی آشتیانی
استاد/ دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران
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 :