شناسایی مکان و دبی پمپاژ چاه‌های ناشناخته با استفاده از الگوریتم اتوماتای یادگیر

در مقاله حاضر، یک مدل مبتنی بر روش مسئله معکوس، برای پیدا کردن مکان و دبی پمپاژ چاه‌های ناشناخته، پیشنهاد شده است. شبیه‌سازی توسط معادله دو بعدی جریان آب زیرزمینی صورت گرفته است که با استفاده از تکنیک عددی تفاضل‌های محدود حل می‌گردد. برای بهینه‌سازی، از یک مدل مبتنی بر الگوریتم اتوماتای یادگیر استفاده شده است. دو مدل شبیه‌سازی و بهینه‌سازی در مدل پیشنهادی ادغام شده‌اند. مدل پیشنهادی، به منظور رسیدن به شرایط بهینه، دبی چاه‌ها را تغییر می‌دهد و پس از بررسی هر کدام از چاه ها، در صورتیکه قابل حذف باشد، آنرا از مدل حذف و در غیر این صورت، تا انتهای محاسبات، در دوره زمانی فعلی، حفظ می کند. پس از اینکه تعداد چاه‌های غیر قابل حذف مشخص گردید، هر کدام از آنها را در نقاط مختلف همسایگی خود بررسی کرده و در نهایت به مکانی که خطای کمتری ایجاد نماید منتقل می‌کند. روش پیشنهادی حاضر می‌تواند در حل مسائل مختلف، در شرایط ماندگار و غیر ماندگار مورد استفاده قرار گیرد. برای بررسی کارایی این مدل، از دو آبخوان فرضی در حالت جریان ماندگار و غیر ماندگار که در آنها تعدادی چاه ناشناخته وجود دارد، استفاده گردید. مدل تهیه شده توانایی تعیین تعداد، موقعیت و دبی این چاه‌ها با دقت خطای جذر میانگین مربعات تفاضل 0/061 متر در مثال عددی اول و 0/010 در مثال عددی دوم را نشان داد.

identification the location and pumping discharge of unknown wells using the learning automata algorithm

the present article proposes a model using the inverse problem to find locations and pumping discharges of ‎‎unknown wells. the simulation is performed by using the two-dimensional groundwater flow equation, which is solved by ‎the finite difference numerical technique. the learning automata algorithm has been used as a tool for ‎optimization. ‎the simulation and the optimization models are linked to obtaining the final model. to identify the ‎location and discharge of the unknown wells, the proposed model changes the discharges of the wells and studies ‎the influence on the objective function which is the root mean square error of the calculated and observed ‎‎piezometric head. the wells which increase the objective function are deleted. after the completion of this ‎stage, the locations of the wells are moved to the vicinity in all directions and the locations which yield fewer ‎errors in terms of the objective function will result in the final locations. to check the efficiency of this ‎model, two hypothetical aquifers were used in ‎a steady and unsteady flow state, in which there are some ‎unknown wells. the prepared model showed the ‎ability to determine these wells’ number, location, and flow rate ‎with the accuracy of the root mean square error of 0.061 meters in the first numerical example and 0.010 in the second numerical example.