Determining the optimal rates of gr

Determining the optimal rates of groundwater extraction for the sustainable use of coastal aquifers is a complex water resources management problem. It necessitates the application of a 3D simulation model for coupled flow and transport simulation together with an optimization algorithm in a linked simulation-optimization framework. The use of numerical models for aquifer simulation within optimization models is constrained by the huge computational burden involved. Approximation surrogates are widely used to replace the numerical simulation model, the widely used surrogate model being Artificial Neural Networks (ANN). This study evaluates genetic programming (GP) as a potential surrogate modeling tool and compares the advantages and disadvantages with the neural network based surrogate modeling approach. Two linked simulation optimization models based on ANN and GP surrogate models are developed to determine the optimal groundwater extraction rates for an illustrative coastal aquifer. The surrogate models are linked to a genetic algorithm for optimization. The optimal solutions obtained using the two approaches are compared and the advantages of GP over the ANN surrogates evaluated.

Kết quả (Việt) 1:

Xác định tỷ lệ tối ưu của khai thác nước ngầm để sử dụng bền vững các tầng ngậm nước ven biển là một vấn đề quản lý tài nguyên nước phức tạp. Nó đòi hỏi phải áp dụng một mô hình 3D mô phỏng cho cùng dòng chảy và giao thông vận tải mô phỏng cùng với một thuật toán tối ưu hóa trong một khuôn khổ của mô phỏng được liên kết, tối ưu hóa. Việc sử dụng các mô hình số aquifer mô phỏng trong tối ưu hóa các mô hình đã được cố định bởi gánh nặng tính toán lớn tham gia. Xấp xỉ thay thế được sử dụng rộng rãi để thay thế các mô hình số mô phỏng, mô hình được sử dụng rộng rãi thay thế là mạng nơ-ron nhân tạo (ANN). Nghiên cứu này đánh giá chương trình di truyền (GP) như một công cụ mô hình hóa tiềm năng thay thế và so sánh những lợi thế và bất lợi với các đại diện mạng nơ-ron dựa trên mô hình phương pháp tiếp cận. Hai liên kết mô phỏng tối ưu hóa các mô hình dựa trên ANN và bác sĩ gia đình thay thế mô hình đang phát triển để xác định mức giá khai thác nước ngầm tối ưu cho một aquifer ven biển minh họa. Các mô hình thay thế được liên kết với một thuật toán di truyền để tối ưu hóa. Các giải pháp tối ưu thu được bằng cách sử dụng hai cách tiếp cận được so sánh và những lợi thế của GP về thay thế ANN đánh giá.

Kết quả (Việt) 2:

Xác định tỷ lệ tối ưu của khai thác nước ngầm cho việc sử dụng bền vững của các tầng chứa nước ven biển là một nguồn tài nguyên nước quản lý vấn đề phức tạp. Nó đòi hỏi phải áp dụng một mô hình mô phỏng 3D cho dòng chảy kết và mô phỏng giao thông cùng với một thuật toán tối ưu hóa trong một khung mô phỏng tối ưu hóa liên kết. Việc sử dụng các mô hình số cho mô phỏng tầng nước ngầm trong phạm vi mô hình tối ưu hóa được hạn chế bởi gánh nặng tính toán rất lớn liên quan. những người đại diện xấp xỉ được sử dụng rộng rãi để thay thế các mô hình mô phỏng số, mô hình thay thế sử dụng rộng rãi là Artificial Neural Networks (ANN). Nghiên cứu này đánh giá các chương trình di truyền (GP) là một công cụ mô hình thay thế tiềm năng và so sánh những lợi thế và bất lợi với cách tiếp cận mô hình thay thế mạng lưới thần kinh dựa. Hai liên kết mô hình tối ưu hóa mô phỏng dựa trên các mô hình thay thế ANN và GP được phát triển để xác định mức khai thác nước ngầm tối ưu cho một tầng nước ngầm ven biển minh họa. Các mô hình thay thế được liên kết với một thuật toán di truyền để tối ưu hóa. Các giải pháp tối ưu thu được bằng cách sử dụng hai phương pháp được so sánh và lợi thế của GP trên ANN Surrogates đánh giá.