Akifer parametrelerinin ve parametre yapılarının simülasyon-optimizasyon modelleri ile belirlenmesi

Abstract

Bu çalışmada, akifer hidrojeolojik parametrelerinin ve parametre yapılarının eş zamanlı olarak belirlenebilmesi için bütünleşik bir simülasyon-optimizasyon yaklaşımı önerilmiştir. Önerilen yaklaşımın simülasyon kısmında, yeraltı suyu akış sürecinin sayısal benzeşimi MODFLOW modeli kullanılarak gerçekleştirilmiştir. Bu modelde, hidrojeolojik parametrelere ait parametre yapıları, akım bölgesinin genel formdaki Voronoi Diyagramı (VD) kullanılarak sonlu sayıda zonlara bölünmesi yoluyla elde edilmiştir. Geliştirilen MODFLOW ve VD tabanlı simülasyon modeli ardından Karınca Aslanı Optimizasyonu (ALO) yaklaşımının kullanıldığı bir optimizasyon modeline entegre edilmiştir. ALO, doğada karınca aslanlarının avlanma stratejilerini sayısal olarak modelleyen popülasyon tabanlı bir optimizasyon tekniğidir. Literatürde, ALO’nun farklı problemlerin çözümüne uyarlandığı pek çok uygulama bulunmaktadır. Bununla birlikte, bu çalışmalarda genellikle ALO’nun karmaşık veya büyük ölçekli problemler için yüksek sayıda iterasyon gerektirdiği ve yerel optimum çözümlere takılma olasılığının yüksek olduğu belirtilmektedir. Bu sınırlamaları aşmak amacıyla bu çalışma kapsamında ALO üzerinde iki önemli iyileştirme yapılarak Karıştırılmış Karınca Aslanı Optimizasyonu (SHALO) yaklaşımı geliştirilmiştir. Önerilen SHALO yaklaşımının uygulanabilirliği, literatürde yer alan dört kısıtsız ve dört kısıtlı optimizasyon test fonksiyonu üzerinde test edilmiştir. Optimizasyon modelinin bu testlerden geçirilmesinin ardından, önerilen simülasyon-optimizasyon yaklaşımının performansı literatürde verilen hipotetik bir akifer modeli üzerinde değerlendirilmiştir. Bu değerlendirme, ilgili problemin aynı koşullar altında orijinal ALO, öz-uyarlamalı ALO (saALO) ve SHALO yaklaşımları kullanılarak çözülmesi ile gerçekleştirilmiştir. Ayrıca, önerilen yaklaşımın sonuçları, literatürde aynı problemin Armoni Araştırma (HS) ve hibrit Genetik Algoritma (GA) tabanlı çözüm yaklaşımlarıyla elde edilen sonuçlarla karşılaştırılmıştır. Elde edilen sonuçlar önerilen simülasyon-optimizasyon yaklaşımının ALO, saALO, HS ve hibrit GA yaklaşımlarına göre farklı değerlendirme ölçütleri açısından daha iyi sonuçlar üretebildiğini göstermiştir.

In this study, an integrated simulation-optimization approach is proposed to simultaneously determine aquifer hydrogeological parameters and their parameter structures. In the simulation part of the proposed approach, the numerical simulation of groundwater flow processes is performed using the MODFLOW model. Within this model, the hydrogeological parameter structures are defined by partitioning the flow domain into a finite number of zones using the general form of the Voronoi Diagram (VD). The developed MODFLOW and VD-based simulation model is subsequently integrated into an optimization model utilizing the Ant Lion Optimization (ALO) approach. ALO is a population-based optimization technique that numerically simulates the hunting strategies of antlions in nature. While ALO has been widely applied to solve various problems in the literature, it has been reported that the method often requires a high number of iterations for complex or large-scale problems and tends to converge to local optimum solutions. To overcome these limitations, two significant improvements were made to ALO in this study, resulting in the development of the Shuffled Ant Lion Optimization (SHALO) approach. The applicability of the proposed SHALO approach was tested on four unconstrained and four constrained optimization test functions in the literature. After validating the optimization model, the performance of the proposed simulation-optimization approach was evaluated using a hypothetical aquifer model given in the literature. This evaluation involved solving the problem under identical conditions using the original ALO, self-adaptive ALO (saALO), and SHALO approaches. Additionally, the results of the proposed approach were compared with those obtained using Harmony Search (HS) and hybrid Genetic Algorithm (GA)-based solution approaches. The results demonstrate that the proposed simulation-optimization approach outperforms ALO, saALO, HS, and hybrid GA approaches in terms of various evaluation metrics.