Βέλτιστη διαχείριση του φαινομένου της υφαλμύρισης στον υδροφορέα Κατάπολων της νήσου Αμοργού με τη χρήση γενετικού αλγόριθμουΒέλτιστη διαχείριση του φαινομένου της υφαλμύρισης στον υδροφορέα Κατάπολων της νήσου Αμοργού με τη χρήση γενετικού αλγόριθμουOptimal management of salt water intrusion phenomenon of Katapola aquifer of Amorgos island using genetic algorithms Διπλωματική Εργασία Diploma Work 2016-10-102016elΤο φαινόμενο της υφαλμύρισης αποτελεί ένα από τα πιο συνηθισμένα προβλήματα σε παράκτιους υδροφορείς, ενώ στις περιπτώσεις των νησιών το πρόβλημα εντείνεται λόγω αδυναμίας εύρεσης εναλλακτικής λύσης στην προμήθεια νερού. Επιπλέον πίεση ασκείται από την αυξανόμενη ζήτηση νερού λόγω της τουριστικής ανάπτυξης που γνωρίζουν τα ελληνικά νησιά. Η Αμοργός, αποτελεί μια τέτοια περίπτωση νησιού, όπου οι ανάγκες σε νερό, κατά την θερινή περίοδο, ικανοποιούνται μέσω μεταφοράς νερού. Η επέμβαση στην διαχείριση των παράκτιων υδροφορέων είναι επιτακτική, καθώς ο κίνδυνος μόνιμης ρύπανσης των υπόγειων υδάτων είναι υπαρκτός. Για τον λόγο αυτό, προτείνονται τέσσερα σχέδια διαχείρισης του υδροφορέα των Κατάπολων Αμοργού έτσι ώστε να μπορέσει να περιοριστεί το φαινόμενο. Τα σχέδια αυτά δημιουργήθηκαν μέσω της διαδικασίας της βελτιστοποίησης. Για την εύρεση της βέλτιστης, ή προσεγγιστικής στη βέλτιστη, λύσης, συνδυάστηκε το μοντέλο προσομοίωσης του Argus One και κώδικα PTC, με το εργαλείο βελτιστοποίησης της MATLAB και τους Γενετικούς Αλγόριθμους. Το ήδη υπάρχον μοντέλο προσομοίωσης του υδροφορέα (Σιάκα, 2015), προσαρμόστηκε ώστε, κάτω από ορισμένες συνθήκες άντλησης, να προβλέπει τα υδραυλικά ύψη της περιοχής για τα επόμενα πέντε χρόνια (2016-2020) και λειτούργησε αξιολογώντας τις παραμέτρους εισόδου (παροχές άντλησης) που δημιουργούνταν από τις διαδικασίες της επιλογής, της αναπαραγωγής και της μετάλλαξης βάσει των οποίων λειτουργούν οι Γενετικοί Αλγόριθμοι. Το κριτήριο τερματισμού της διαδικασίας ορίστηκε ως το πέρας 100 γενεών με 27 άτομα σε κάθε πληθυσμό. Για τον λόγο αυτό, τα αποτελέσματα της βελτιστοποίησης ενδέχεται να μην καταλήγουν στις βέλτιστες τιμές. Salt water intrusion is considered as one of the most common issues in costal aquifers, while, in case of islands, the problem is magnified by the lack of alternative solution for water supply. Additional pressure is applied due to tourism and increased water demand. This is the case for many Greek islands. Amorgos is one of those islands and as a result, the island has to receive water quantities through shipping during summertime. The management of costal aquifers is crucial because of the underlying danger of permanent degradation of the aquifer. As a solution, four different plans are suggested and examined so that the salt water intrusion is constrained. These strategies were created through optimization process. In order to achieve global optimal, or near global optimal, a groundwater simulation model (Argus One – PTC) is being coupled with an optimization technique (Genetic Algorithm – MATLAB optimization tool). The initial groundwater model (Σιάκα, 2015) was adjusted so that it can predict the hydraulic heads, calculated for specific pumping rates, for the next five years (2016-2020). This simulation model is being used as an evaluation method of the fitness of various sets of pumping rates which are created from the Genetic Algorithm. The algorithm creates these sets of pumping rates through selection, crossover and mutation operators. The stopping criteria of the algorithm were set to be the maximum number of 100 generation. Each generation consists of 27 individuals in every population. As a result, the outcome of the optimization may not have yet reached a near optimal solution.http://creativecommons.org/licenses/by/4.0/Πολυτεχνείο Κρήτης::Σχολή Μηχανικών ΠεριβάλλοντοςChristoforidou_Maria_Dip_2016.pdfChania [Greece]Library of TUC2016-10-10application/pdf3.3 MBfree Christoforidou Maria Χριστοφοριδου Μαρια Karatzas Giorgos Καρατζας Γιωργος Nikolaidis Nikolaos Νικολαιδης Νικολαος Chrysikopoulos Constantinos Χρυσικοπουλος Κωνσταντινος Πολυτεχνείο Κρήτης Technical University of Crete Υφαλμύριση Γενετικοί αλγόριθμοι