عنوان پایان‌نامه

بهینه سازی مکانی شبکه های پایین تر از آب زیرزمینی با استفاده از ترکیب نتایج مدل عددی و رویکردهای زمین آمار



    دانشجو در تاریخ ۲۸ دی ۱۳۹۵ ، به راهنمایی ، پایان نامه با عنوان "بهینه سازی مکانی شبکه های پایین تر از آب زیرزمینی با استفاده از ترکیب نتایج مدل عددی و رویکردهای زمین آمار" را دفاع نموده است.


    محل دفاع
    کتابخانه پردیس یک فنی شماره ثبت: 2330;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79473;کتابخانه پردیس یک فنی شماره ثبت: 2330;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79473
    تاریخ دفاع
    ۲۸ دی ۱۳۹۵
    استاد راهنما
    رضا کراچیان

    اهمیت روزافزون جمع‌‌آوری داده ها به منظور تصمیم‌‌‌‌گیری آگاهانه در مدیریت سامانه‌‌های منابع آب، استفاده از شبکه‌‌های پایش بهینه و بروز را ناگزیر می‌‌سازد. در نتیجه، طراحی و باز طراحی شبکه‌‌های پایش با در نظر گرفتن محدودیت‌‌هایی مانند هزینه‌‌های پایش، ضروری به نظر می‌‌رسد. در طراحی شبکه‌‌های پایش استفاده از داده‌‌های قطعی موجود یک عامل بسیار کلیدی است. در این میان، داده‌‌های همراه با عدم قطعیت نیز از اهمیت خاصی برخوردار هستند. از این رو در این تحقیق از داده‌‌های همراه با عدم قطعیت در طراحی شبکه پایش استفاده شده است. به این منظور ترکیبی از نتایج چندین مدل شبیه‌‌سازی عددی و زمین‌‌آماری با استفاده از روش ترکیب داده متوسط?گیری مدل بیزی (BMA ) درنظر گرفته شد . در ادامه از نتایج این مدل ترکیب به عنوان داده‌‌ی نرم (داده‌‌های همراه با عدم قطعیت)، در کنار داده‌‌های مشاهداتی (داده‌‌های سخت) برای استفاده در مدل زمین‌‌آماری بیشینه آنتروپی بیزی (BME ) استفاده شده است. سپس، به منظور پوشش دادن کامل ناحیه مورد مطالعه از نظر پراکندگی مناسب ایستگاه های پایش، از الگوی نمونه برداری شش ضلعی‌‌های منتظم و درنظرگیری ایستگاهی در مرکز یا نزدیک به مرکز هر سلول استفاده گردید. در ادامه، با استفاده از نتایج مدل عددی و زمین‌‌آمار به رتبه‌‌بندی چاه‌‌های موجود در شبکه از نظر اهمیت اطلاعاتی، پرداخته شده و اولویت حذف برای این چاه‌‌ها مشخص شده است. سپس، برای مجموعه‌‌ای از شبکه های شش ضلعی با طول ضلع‌‌های مختلف و با توجه به اولویت‌‌های بدست آمده برای چاه‌‌ها، به طراحی شبکه‌‌های پایش پرداخته شده و با به کارگیری داده‌‌های سخت و نرم متناسب با هر طول ضلع، مجموع واریانس خطای تخمین برای شبکه محاسبه گردید. در انتخاب شبکه‌‌ی بهینه، علاوه بر معیار فوق، دو معیار تعداد چاه‌‌های پیشنهادی جدید و حذف شده نیز در نظر گرفته شده و با تحلیل حساسیت بر روی وزن معیارها، اقدام به انتخاب شبکه‌‌ی بهینه شده است. در این تحقیق به بازطراحی سامانه پایش تراز آب زیرزمینی دشت دهگلان پرداخته شد. با استفاده از این رویکرد، شبکه‌‌‌‌ی بهینه‌‌‌‌ی پیشنهادی مجموع واریانس خطای تخمین را به میزان 4.6 درصد کاهش داد. تعداد 23 ایستگاه به منظور حذف و نیز 20 ایستگاه به منظور اضافه شدن به شبکه پیشنهاد شد.
    Abstract
    The increasing importance of data collection in order to make informed decisions in the management of water resources systems, using optimized and updated monitoring networks is inevitable. As a result, in the design of monitoring networks attention to limitations as well as cost and distance monitoring is necessary. In the design of monitoring networks using definitive data available is a key factor. The exclusion of data associated with the uncertainty does not seem interesting. Therefore, in this research, along with the uncertainty in monitoring network design is used. For this purpose, a fusing of the results of several numerical simulation and geostatistical models are used. Following the results of the combined model as soft data (data associated with the uncertainty), along with observational data (hard data) for use in BME as geostatistical model. In order to cover the full area of interest we use the idea of regular hexagonals. Using numerical modeling and geostatistical rely wells in the ranking of the importance of information network, will be discussed and priorities for these wells is determined for removing from network Next to a host of different length and according to the priorities given to monitoring network design review and using hard and soft data, we calculated the total variance estimation error for networks. Finally, for optimal network selection two criteria was added, minimizing the added wells and maximizing the remaining wells.By Sensitivity analysis on weight on adapted criteria, select the optimal network.