Documents disponibles écrits par cet auteur

Identification of Contamination Source Location and Release History in Aquifers / Aral, Mustafa M. in Journal of hydrologic engineering, Vol. 6, N° 3 (Mai/Juin 2001)

Public ISBD [article]  in Journal of hydrologic engineering > Vol. 6, N° 3 (Mai/Juin 2001) . - 225-234 p. Titre : Identification of Contamination Source Location and Release History in Aquifers Titre original : Identification d'Endroit de Source de Contamination et d'Histoire de Dégagement en Couches Aquifères Type de document : texte imprimé Auteurs : Aral, Mustafa M., Auteur ; Guan, Jiabao, Auteur ; Maslia, Morris L. Article en page(s) : 225-234 p. Note générale : Hydrologie, Hydraulique Langues : Anglais (eng) Mots-clés : Caractérisation  Contamination  Optimisation  non-linéaire  Source  Modèle  standard  Concentrations  Simulation  Ecoulement  Eau  Algorithme  Génétique  Informatique  Approche  combinatoire  Expérience  numérique  Outil  Eaux  souterraines Index. décimale : 551.4/620 Résumé : In this study, we formulate a contamination source characterization problem as a nonlinear optimization model, in which contaminant source location and release histories are defined as explicit unknown variables. To Optimization model selected is the standard model, in which the residuals between the simulated and measured contaminant concentrations at observation sites are minimized. In the proposed formulation, simulated concentrations at the observation locations are implicitly embedded into the optimization model throug the solution of ground water flow and contaminant fate and transport simulation models. It is well known that repeated solutions of these models, which is a necessary component of the optimization process, dominante the computational cost and adversely affect the efficiency of this approache. To Simplify this computationally intensive process, a new combinatorial approach, identified as the progressive genetic algorithm, is proposed for the solution of the non linear optimization model. Numerical experiments show that the proposed approach provides a robust tool for the solution of ground water contaminant source identification problems. Dans cette étude, nous formulons un problème de caractérisation de source de contamination comme modèle d'optimisation non-linéaire, dans lequel des histoires d'endroit et de dégagement de source de contaminant sont définies en tant que variables inconnues explicites. Au modèle d'optimisation choisi est le modèle standard, dans lequel les résiduels entre les concentrations simulées et mesurées en contaminant aux emplacements d'observation sont réduits au minimum. Dans la formulation proposée, des concentrations simulées aux endroits d'observation sont implicitement incluses dans le throug de modèle d'optimisation la solution de l'écoulement d'eaux souterraines et du destin de contaminant et transportent des modèles de simulation. Il est bien connu que les solutions répétées de ces modèles, qui est un composant nécessaire du processus d'optimisation, dominante le coût informatique et compromet l'efficacité de cet approche. Pour simplifier ce processus informatique intensif, on propose une nouvelle approche combinatoire, identifiée comme algorithme génétique progressif, pour la solution du modèle non linéaire d'optimisation. Les expériences numériques prouvent que l'approche proposée fournit un outil robuste pour la solution des problèmes d'identification de source de contaminant d'eaux souterraines. [article] Identification of Contamination Source Location and Release History in Aquifers = Identification d'Endroit de Source de Contamination et d'Histoire de Dégagement en Couches Aquifères [texte imprimé] / Aral, Mustafa M., Auteur ; Guan, Jiabao, Auteur ; Maslia, Morris L. . - 225-234 p. Hydrologie, Hydraulique Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 6, N° 3 (Mai/Juin 2001) . - 225-234 p. Mots-clés : Caractérisation  Contamination  Optimisation  non-linéaire  Source  Modèle  standard  Concentrations  Simulation  Ecoulement  Eau  Algorithme  Génétique  Informatique  Approche  combinatoire  Expérience  numérique  Outil  Eaux  souterraines Index. décimale : 551.4/620 Résumé : In this study, we formulate a contamination source characterization problem as a nonlinear optimization model, in which contaminant source location and release histories are defined as explicit unknown variables. To Optimization model selected is the standard model, in which the residuals between the simulated and measured contaminant concentrations at observation sites are minimized. In the proposed formulation, simulated concentrations at the observation locations are implicitly embedded into the optimization model throug the solution of ground water flow and contaminant fate and transport simulation models. It is well known that repeated solutions of these models, which is a necessary component of the optimization process, dominante the computational cost and adversely affect the efficiency of this approache. To Simplify this computationally intensive process, a new combinatorial approach, identified as the progressive genetic algorithm, is proposed for the solution of the non linear optimization model. Numerical experiments show that the proposed approach provides a robust tool for the solution of ground water contaminant source identification problems. Dans cette étude, nous formulons un problème de caractérisation de source de contamination comme modèle d'optimisation non-linéaire, dans lequel des histoires d'endroit et de dégagement de source de contaminant sont définies en tant que variables inconnues explicites. Au modèle d'optimisation choisi est le modèle standard, dans lequel les résiduels entre les concentrations simulées et mesurées en contaminant aux emplacements d'observation sont réduits au minimum. Dans la formulation proposée, des concentrations simulées aux endroits d'observation sont implicitement incluses dans le throug de modèle d'optimisation la solution de l'écoulement d'eaux souterraines et du destin de contaminant et transportent des modèles de simulation. Il est bien connu que les solutions répétées de ces modèles, qui est un composant nécessaire du processus d'optimisation, dominante le coût informatique et compromet l'efficacité de cet approche. Pour simplifier ce processus informatique intensif, on propose une nouvelle approche combinatoire, identifiée comme algorithme génétique progressif, pour la solution du modèle non linéaire d'optimisation. Les expériences numériques prouvent que l'approche proposée fournit un outil robuste pour la solution des problèmes d'identification de source de contaminant d'eaux souterraines.