شبیه سازی سیستم های پاک سازی آبخوان های آلوده به DNAPL با استفاده از مدل جایگزین

سیالات سنگین ارگانیک با قابلیت انحلال کم در آب که تحت عنوان مایعات با فاز غیرآبی چگال (DNAPL) شناخته می شوند، در بین رایج ترین گونه های آلودگی در آب زیرزمینی هستند. برای پاک سازی آبخوان های آلوده به DNAPL، اغلب از روش پمپاژ و تصفیه ارتقاء یافته (SEAR) که روشی هزینه بر است استفاده می شود. نرم افزار UTCHEM توانایی مدل سازی نحوه انتشار و انتقال DNAPLها و قابلیت اجرای روش SEAR را دارد. مشکل اصلی استفاده از این نرم افزار و سایر مدل های شبیه سازی کیفی آب زیرزمینی، مدت زمان زیاد موردنیاز برای اجرای متعدد مدل در استفاده از آن برای بهینه سازی سیستم است و این موضوع کار را مشکل و در بعضی از مواقع ناممکن می سازد. در این پژوهش از یک مدل جایگزین بر اساس شبکه عصبی مصنوعی MLP که یکی از روش های یادگیری ماشین است، به منظور شبیه سازی داده مبنای روش SEAR استفاده گردیده تا علاوه بر دقت مناسب، مدت زمان اجرای مدل کاهش یابد. از اطلاعات پروژه Camp Lejeune به عنوان مطالعه موردی استفاده شده است. هدف تعیین موقعیت و دبی پمپاژ موردنیاز ۶ چاه پمپاژ برای پاک سازی آبخوان آلوده به DNAPL بوده است. میانگین مدت زمان هر اجرای مدل شبیه سازی UTCHEM در حل مسئله این پژوهش ۳۰ دقیقه بود که این زمان در مدل جایگزین به چند ثانیه کاهش یافته است. خطای جذر میانگین مربعات نتایج به دست آمده از مدل جایگزین برای پنجاه سناریوی جدید برابر ۰.۶۷ می باشد که این موضوع بیانگر دقت بالای مدل جایگزین ساخته شده است.