Multi-Objective Optimization Groundwater Network Using Genetic Algorithm (NSGA-II) and Empirical Bayesian Kriging (EBK) Method (Case Study: Silakhor plain)

Document Type : Original Article

Authors

1 Assistant Professor, Department of Civil Engineering, University of Ayatollah Ozma Boroujerdi, Boroujerd, Iran

2 M.Sc. Student of Civil Engineering – Water Engineering and Hydraulic Structures, University of Ayatollah Ozma Boroujerdi, Boroujerd, Iran

10.22125/iwe.2021.128201

Abstract

Groundwater resource management depended on data obtained from the aquifer. Groundwater monitoring network can provide groundwater levels, but sometimes this information so much and not useful. This study develops a new multi-objective simulation-optimization model involving two objectives: minimization of the total sampling cost for monitoring and maximization the spatially monitoring accuracy. Optimal design of groundwater network was considered in the Silakhor plain, regions of Lorestan, Iran. As the first step, a database includes of groundwater elevation in potential wells with use empirical Bayesian kriging (EBK) method in ArcGIS was produced. Inverse distance weighting (IDW) method used as simulation model and objective functions written in MATLAB software. Optimal groundwater monitoring network determines with preset conventions and finds by the non-dominated sorting genetic algorithm (NSGA-II). At final, a network with twelve observation stations that shown root mean square error (RMSE) value 0.605 meter. The optimal monitoring network, in comparison with the existing observation network, has been able to reduce the number of monitoring stations by 60%, improve the spatial distribution of stations, and predict appropriate zoning for unpredictable points.

Keywords

References

جعفرزاده، م.، خاشعی سیوکی، ع.، 1397، ارزیابی عملکرد مدل بهینه­سازی شبکه پایش آب زیرزمینی بر پایه شبکه عصبی و جست و جوی گرگ خاکستری، نشریه علمی پژوهشی مهندسی آبیاری و آب ایران، شماره 31، 139-121.
صابری، ع.، سلطانی گردفرامرزی، س.، 1396، ارزیابی روش‌های زمین‌آمار در پهنه‌بندی شدت خشک‌سالی استان آذربایجان غربی، نشریه علمی پژوهشی مهندسی آبیاری و آب ایران، شماره 27، 165-151.
صفوی گردینی، م.، محمدرضاپور، ا.، بهرامی، ع.، محمدی صدیق، م.، سالاری جزی، م.، 1397، بررسی و ارزیابی تغییرات مکانی متغیر‌های کیفی آب زیرزمینی جنوب دشت قروه و دهگلان با استفاده از روش‌های زمین آمار، نشریه علمی پژوهشی مهندسی آبیاری و آب ایران، شماره 33، 182-167.
فروغی، ف. رضایی، م. 1392، بهینه­سازی شبکه پایش سطح آب زیرزمینی در دشت تبریز با استفاده از روش زمین آمار، فصلنامه زمین­شناسی محیط زیست (نشریه علمی-پژوهشی دانشگاه آزاد اسلامی واحد اسلامشهر). دوره 7، شماره22، 103-93.
قربانی، خ، سلاری­جزی، م، فرنیا، ا. 1397، ارزیابی روش کریجینگ بیزین تجربی در پهنه­بندی تراز آب زیرزمینی، پژوهش­های حفاظت آب و خاک، دوره25، شماره1، صفحه 165-182.
کماسی، م.، شرقی، س.، 1396، روندیابی عوامل موثر بر کاهش تراز آب زیرزمینی با بهره­گیری از تبدیلات موجک متقابل و ارتباطی، نشریه علمی پژوهشی مهندسی آبیاری و آب ایران، شماره 28، 151-138.
گنجی خرم دل، ن. کیخانی، ف. 1395. طراحی بهینه چاه­های مشاهده­ای در یک شبکه پایش سطح آب زیرزمینی با استفاده از الگوریتم فوق ابتکاری ژنتیک، پژوهشنامه مدیریت حوزه آبخیز (نشریه علمی-پژوهشی دانشگاه علوم کشاورزی و منابع طبیعی ساری). دوره 7، شماره 14، 166-159.
میرزایی ندوشن، ف. بزرگ حداد، ا. خیاط خلقی، م. 1395، طراحی دو هدفه شبکه پایش سطح آب زیرزمینی با استفاده از NSGA-II در دشت اشتهارد، مجله تحقیقات آب و خاک ایران (نشریه پردیس کشاورزی و منابع طبیعی دانشگاه تهران). دوره 47، شماره2، 354-345.
Bashi-Azghadi, S.N. and Kerachian, R., 2010. Locating monitoring wells in groundwater systems using embedded optimization and simulation models. Science of the Total Environment, 408(10), pp.2189-2198.
Bhat S, Motz LH, Pathak C and Kuebler, L, 2015. Geostatistics-based groundwater-level monitoring network design and its application to the Upper Floridan aquifer, USA. Environmental monitoring and assessment, 187(1): 4183.
Dhar A, and Patil RS, 2012. Multiobjective design of groundwater monitoring network under epistemic uncertainty. Water resources management, 26(7): 1809-1825.
Esquivel, J.M., Morales, G.P. and Esteller, M.V., 2015. Groundwater monitoring network design using GIS and multicriteria analysis. Water resources management, 29(9), pp.3175-3194.
Hosseini, M. and Kerachian, R., 2017. A Bayesian maximum entropy-based methodology for optimal spatiotemporal design of groundwater monitoring networks. Environmental monitoring and assessment, 189(9), p.433.
Huang, Z., Wang, H. and Zhang, R., 2012. An improved kriging interpolation technique based on SVM and its recovery experiment in oceanic missing data. American Journal of Computational Mathematics, 2(01), p.56.
Khader, A.I. and McKee, M., 2014. Use of a relevance vector machine for groundwater quality monitoring network design under uncertainty. Environmental modelling & software, 57, pp.115-126.
Konak A, Coit DW, Smith AE, 2006. Multi-objective optimization using genetic algorithms: A tutorial. Reliab. Eng. Syst. Saf. 91, 992–1007.
Krivoruchko, K., 2012. Empirical bayesian kriging. ArcUser Fall, pp.6-10.
Leach JM, Coulibaly P, Guo Y, 2016. Entropy based groundwater monitoring network design considering spatial distribution of annual recharge. Advances in water resources. 96(1):108-19.
Loaiciga HA, Charbeneau RJ, Everett LG, Fogg GE, Hobbs BF, and Rouhani S, 1992. Review of ground-water quality monitoring network design. Journal of Hydraulic Engineering, 118(1), 11-37.
Luo Q, Wu J, Yang Y, Qian J, and Wu J, 2016. Multi-objective optimization of long-term groundwater monitoring network design using a probabilistic Pareto genetic algorithm under uncertainty. Journal of Hydrology, 534, 352-363.
Pourshahabi, S., Talebbeydokhti, N., Rakhshandehroo, G. and Nikoo, M.R., 2018. Spatio-Temporal Multi-Criteria Optimization of Reservoir Water Quality Monitoring Network Using Value of Information and Transinformation Entropy. Water Resources Management, pp.1-16.

Files

Share

How to cite

Statistics