بهروز مهدی نژادیانی

معادله جابجایی-انتشار مرتبه کسری مکانی (s-FADE) یکی از کارآمدترین مدل ها برای توضیح فرایند انتقال آلاینده در محیط های متخلخل است. روش مسأله معکوس تنها روش تخمین همزمان پارامترهای معادله s-FADE است. جزء اصلی یک مدل معکوس الگوریتم بهینه سازی آن است. این تحقیق عملکرد چهار الگوریتم فراابتکاری شامل الگوریتم بهینه سازی دسته ذرات (PSO)، الگوریتم بهینه سازی دسته جوجه ها (CSO)، الگوریتم زنبور عسل (BA) و الگوریتم بهینه-سازی آموزش-یادگیری مبناء (TLBO) برای تخمین پارامترهای معادله s-FADE در ستون های خاک های همگن و غیرهمگن را بررسی کرده و عملکرد بهترین الگوریتم از میان آن ها را با عملکرد جعبه ابزار FracFit مقایسه کرد. داده های آزمایشگاهی مورد نیاز برای اجرای مدل های معکوس توسعه یافته در ستون های خاک همگن و غیرهمگن به طول های 120 و 180 سانتی متر و قطر 10 سانتی متر جمع آوری گردید. الگوریتم های مطالعه شده بر اساس پنج معیار روند همگرایی، مقدار تابع هدف، زمان اجرا، تکرارپذیری و تعداد پارامترها با استفاده از روش تصمیم گیری چندمعیاره (TOPSIS) رتبه بندی شدند. بر اساس نتایج به دست آمده، چهار الگوریتم فوق الذکر با کاربرد شرط توقف حداکثر تکرار برابر 1000 و جمعیت اولیه برابر 10 قادر بودند مقادیر بهینه پارامترهای معادله s-FADE در فواصل انتقال مختلفِ ستون های خاک های همگن و غیرهمگن به درستی تخمین بزنند. بر اساس نتایج روش TOPSIS، الگوریتم TLBO در رتبه اول، الگوریتم های PSO و BA در رتبه دوم والگوریتم CSO در رتبه سوم قرار گرفتند. مقایسه عملکرد الگوریتم TLBO و جعبه ابزار FracFit نشان داد که مقدار تابع هدف حاصل از اجرای الگوریتم TLBO و زمان اجرای آن به طور معنی داری کمتر از مقادیر متناظر حاصل از جعبه ابزار FracFit بود. همچنین، قابلیت تکرار و سرعت همگرایی الگوریتم TLBO به طور معنی داری بیشتر از مقادیر متناظر مربوط به جعبه ابزار FracFit بود. روی هم رفته، الگوریتم TLBO در تخمین پارامترهای معادله s-FADE بهتر از سایر الگوریتم های فراابتکاری مطالعه شده و جعبه ابزار FracFit عمل نمود. بنابراین، می توان نتیجه گیری کرد که الگوریتم TLBO یک الگوریتم بسیار کارآمد برای تخمین پارامترهای معادله s-FADE، هم در خاک همگن و هم در خاک غیرهمگن، می باشد.