طراحی بهینه سیستم تصفیه آلودگی آبهای زیرزمینی با استفاده از ترکیب تکنولوژی‌های احیای بیولوژیکی و پمپاژ تصفیه

نوع مقاله: مقاله پژوهشی

نویسنده

دانشیار/ دانشکده مهندسی عمران و محیط‌زیست، دانشگاه علم و صنعت ایران، تهران، ایران.

چکیده

مسائل مربوط به طراحی بهینه احیای آبهای زیرزمینی بسیار پیچیده، غیرخطی و از نظر محاسباتی پر هزینه هستند. روش‌های فراکاوشی مختلفی برای طراحی بهینه این مسائل مورد استفاده قرار گرفته که نتایج مناسبی را به همراه داشته است، اما اکثر آنها از نظر زمان اجرای محاسبات بسیار پرهزینه بوده اند. در این تحقیق برای اولین بار از الگوریتم جامعه مورچگان برای حل مسائل تصفیه آلودگی آبهای زیرزمینی استفاده شده است و کارایی آن با الگوریتم ترکیبی نورد شبیه‌سازی شده و الگوریتم ژنتیک مقایسه شده است. در مسئله موردی بررسی شده محل چاه‌ها و مقادیر تزریق و تخلیه از این نقاط، به عنوان متغیرهای تصمیم در نظر گرفته شده‌اند و شبیه‌سازی جریان کمی و کیفی آبهای زیرزمینی با استفاده از نرم‌افزار BIOPLUMEII انجام یافته است. با توجه به خصوصیات الگوریتم مورچه‌ها، با گسسته‌سازی مقادیر دبی‌های پمپاژ و تخلیه تعداد فراخوانی شبیه ساز به مقدار قابل توجهی کاهش پیدا می‌کند. خطای ناشی از گسسته‌سازی متغیرهای تصمیم در حدود 8/1 درصد است و این در شرایطی است که کاهش زمان محاسبات و تعداد فراخوانی شبیه‌ساز در حدود 56 درصد است. با پیچیده‌تر شدن مشخصات آبخوان و گسترش ابعاد مسئله، کاهش زمان ناشی از این رویکرد اهمیت بیشتری خواهد داشت.

کلیدواژه‌ها


عنوان مقاله [English]

Optimal Design of the Groundwater Treatment System Using Hybrid Bioremediation and Pump and Treat Technologies

نویسنده [English]

  • M Saeedi
Associate Professor, Department of Civil Engineering, Iran University of Science and Technology, Tehran, Iran
چکیده [English]

Optimal groundwater bioremediation formulation are often complex, nonlinear, and involve intensive computations. Population-based optimization techniques allow solution of more complex nonlinear problems compared to the traditional gradient-based approaches, but computationally they are more intensive. For the first time, this study, proposed ant colony optimization (ACO) algorithm for groundwater bioremediation problems. Performance is compared to the hybrid genetic algorithm and simulated annealing. Rates of injection and extraction pumping and well locations are decision variables. The BIOPLUMEII is used as simulation model. Results showed the phenomenal capability of ACO algorithm in cutting calculation cost, in comparison to Hybrid simulated annealing and genetic algorithm, with a minor calculation error of 1.8%. Optimization results showed that ACO note worthily reduces computational time (56%) compared to the hybrid genetic algorithm and simulated annealing. ACO can be used as an alternative method for solving larger-scale groundwater remediation problems.
 

کلیدواژه‌ها [English]

  • Groundwater
  • Contaminant plume
  • Bioremediation
  • ant colony optimization

جلالی م. ر. (1384)،" طراحی و بهره‌برداری از هیدروسیستم‌ها با الگوریتم جامعه مورچه‌ها، یک رهیافت فراکاوشی جدید"،پایان نامه دکتری، دانشگده مهندسی عمران، دانشگاه علم و صنعت ایران.

Abbaspour, K. C., Schulin, R. & Van Genuchten, M. T. (2001). “Estimating unsaturated soil hydraulic parameters using ant colony optimization” Adv. Water Resour., 24(8), pp. 827-933.

Alexander, M. (1994). “Biodegradation and bioremediation” Academic Press, N.Y.

Borden, R. C., and Bedient, P. B. (1986). “Transport of dissolved hydrocarbons influenced by oxygen-limited biodegradation: 1. Theoretical development” Water Resour. Res., 2(13), pp. 1973–1982.

Burges, K. S., H. S. Rifai, and P. B. Bedient, (1993). “Flow and transport modeling of a heterogeneous field site contaminated with dense chlorinated solvent waste, in Proceedings of the Petroleum Hydrocarbons and Organic Chemicals in Groundwater: Prevention, Detection, and Restoration” American Petroleum Institute and NGWA, Houston, Texas. Nov. 10-12, pp. 693-707,

Chiang, C. Y., J. P. Salanitro, E. Y. Chai, J. D. Colthart, and C. L. Klein, (1989). “Aerobic biodegradation of benzene, toluene and xylene in a sandy aquifer” Data analysis and computer modeling, Ground Water, 27(6), pp. 823-834.

Cookson, J. T. (1995). “Bioremediation engineering: Design and application” McGraw-Hill, N.Y.

Colorni, A., Dorigo, M., Maniezzo, V., (1991). "Ant system: An autocatalytic optimizing process" Tech. Report 91-016, Politecnico di Milano, Italy.

Dorigo, M., Gambardella, L.M., (1997). "Ant colony system: A cooperative learning approach to the traveling salesman problem." IEEE Transactions on Evolutionary Computation, 1(1), pp. 53-66.

Flathman, P. E., Jerger, D. E., and Exner, J. H., eds. (1993). “Bioremediation field experience” Lewis, Boca Raton, Fla.

Hinchee, R. E., Alleman, B. C., Hoeppel, R. E., and Miller, R. N., eds. (1994). “Hydrocarbon bioremediation” Lewis, Boca Raton, Fla.

Jalali M. R., Afshar A. and Marino, M. A., (2006). “Reservoir operation by ant colony optimization algorithms” Iranian Journal of Science & Technology, Transaction B, Engineering, Vol. 30, No. B1

Konikow, L. F., and Bredehoeft, J. D. (1978). “Computer model of two dimensional solute transport and dispersion in groundwater” Techniques of Water Resources Investigation of the USGS, U. S. Geological Survey, Washington, D. C.

Lang, M. M., Roberts, P. V., and Semprinl, L. (1997). “Model simulations in support of field scale design and operation of bioremediation based on cometabolic degradation.” Ground Water, 35(4), pp. 565–573.

Marryott, R. A. (1996). “Optimal ground-water remediation design using multiple control technologies.” Ground Water, 34(3), pp. 425–433.

McKinney, D. C., and Lin, M.-D. (1994). “Genetic algorithm solution of groundwater management models.” Water Resour. Res., 30(6), pp. 1897–1906.

Maier, H. R., Simpson, A. R., Zecchin, A. C., Foong, W. K., Phang, K. Y., Seah, H. Y. & Tan, C. L. (2003). “Ant colony optimization for design of water distribution systems.” J. Water Resour. Plng. and Mgmt., 129(3), pp. 200-209.

Peralta, R. C., Kalwij, I., and Wu, S. (2003). “Practical simulation/ optimization modeling for groundwater quality and quantity management.” Proc., MODFLOW and More, Understanding through Modeling, International Groundwater Modeling Center, pp. 784–788.

Rifai, H. S., and Bedient, P. B. (1990). “Comparison of biodegradation kinetics with an instantaneous reaction model for groundwater.” Water Resour. Res., 26(4), pp. 637–645.

Ritzel, B. J., Eheart, J. W., and Ranjithan, S. (1994). “Using genetic algorithms to solve multiple objective groundwater pollution containment problem.” Water Resour. Res., 30(5), pp. 1589–1603.

Shieh, H. J., Peralta, R. C., (2005), “Optimal in situ bioremediation design by hybrid genetic algorithm-simulated annealing ” Journal of Water Resources Planning and Management, Vol. 131, No. 1

Stützle, T. and Hoos, H.H., (1997). “The MAX–MIN ant system and local search for the traveling salesman problem.” Proceedings of IEEE-ICEC-EPS’97, IEEE International Conference on Evolutionary Computation and Evolutionary Programming Conference, pp. 309–314.

Taylor, S. W., and Jaffe, P. R. (1991). “Enhanced in-situ biodegradation and aquifer permeability reduction.” J. Water Resour. Plan. Manage, 117(1), pp. 25–46.

USEPA (1998). “BIOPLUME III natural attenuation decision support system—User’s manual version 1.0”, EPA/600/R-98/010, Washington, D. C.

Wiedemeier, T. H., P. R. Guest, R. L. Henry, and C. B. Keith, (1993). “The use of BIOPLUMEII to support regulatory negotiation at fuel spill site near Denver, Colorado”, Proceeding of the Petroleum Hydrocarbons and Organic Chemicals in Groundwater: Prevention, Detection, and Restoration: Nov. 10-12, pp. 445-459.

Wiedemeier, T. H., J. T. Wilson, R. N. Miller, and D. H. Campbell, (1994). “United air force guidelines for successfully supporting intrinsic remediation with an example from Hill Air Force Base”, in Proceeding of the Petroleum Hydrocarbons and Organic Chemicals in Groundwater: Prevention, Detection, and Restoration: Nov. 2-4, pp. 317-334.

Yoon, J-H., and Shoemaker, C. A. (1999). “Comparison of optimization methods for ground-water bioremediation.” J. Water Resour. Plan. Manage., 125(1), pp. 54–63.