ポンプ・アンド・トリートシステムの設計のための複数の代理シミュレーション最適化フレームワーク

背景:

• ポンプ・アンド・トリート（P&T）は、主要な地下水修復技術です。
• P&T操作（井戸の位置、揚水率）の最適化は、効率とコスト削減のために不可欠です。
• 最適化アルゴリズムと組み合わせた代理モデルは、P&Tスキームの定式化のための新興ツールです。

研究 の 目的:

• P&T修復における汚染物質除去の予測における5つの代理モデル（Kriging、Polynomial Interpolation、SVR、RF、DNN）のパフォーマンスを比較すること。
• P&T最適化を強化するために複数の代理モデルを組み合わせる可能性を探求すること。
• 地下水修復のためのマルチサロゲート最適化フレームワークを開発および評価すること。

主な方法:

• 5つの代理モデル（Kriging、Polynomial Interpolation、Support Vector Regression（SVR）、Random Forest（RF）、Deep Neural Network（DNN））を評価しました。
• 多様なP&Tスキーム全体での汚染物質除去効率に対するモデルの予測精度を評価しました。
• 遺伝的アルゴリズムと5つのモデルすべてを統合したマルチサロゲート最適化フレームワークを開発しました。

主要な成果:

• ディープニューラルネットワーク（DNN）は全体的に最も高い予測精度を示しましたが、単一のモデルがすべてのケースで一貫して優れているわけではありませんでした。
• 複数の代理モデルを組み合わせたフレームワークは、補完的な強みを活用しました。
• 最適化された修復スキームは、最適化されていないスキーム（残差19.2-21.7%）と比較して、優れた汚染物質除去（残差17.5%）を達成しました。

結論:

• 複数の代理モデルを組み合わせることで、ポンプ・アンド・トリート修復スキームの最適化に大きな利点が得られます。
• 開発されたマルチサロゲートフレームワークは、環境管理のための堅牢なツールを提供します。
• この研究は、地下水浄化のための代理ベースの最適化技術を進歩させます。