Συνδυασμός Τεχνητών Νευρωνικών Δικτύων και Γεωστατιστικών μοντέλων για την βελτιστοποίηση δικτύου γεωτρήσεων παρακολούθησης στάθμης υπόγειου υδροφορέα

Κολοσιώνης, Κωνσταντίνος; Kolosionis, Konstantinos

dc.contributor.author	Κολοσιώνης, Κωνσταντίνος	el
dc.contributor.author	Kolosionis, Konstantinos	en
dc.date.accessioned	2018-04-30T10:08:41Z
dc.date.available	2018-04-30T10:08:41Z
dc.date.issued	2018-04-30
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46896
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.8197
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Default License
dc.subject	Geostatistics	en
dc.subject	Artificial Neural Networks	en
dc.subject	Optimization	en
dc.subject	Monitoring Network	en
dc.subject	Groundwater Level	el
dc.subject	Γεωστατιστική	el
dc.subject	Νευρωνικά Δίκτυα	el
dc.subject	Βελτιστοποίηση	el
dc.subject	Δίκτυο Παρακολούθησης	el
dc.subject	Στάθμη Υπόγειου Υδροφορέα	el
dc.title	Συνδυασμός Τεχνητών Νευρωνικών Δικτύων και Γεωστατιστικών μοντέλων για την βελτιστοποίηση δικτύου γεωτρήσεων παρακολούθησης στάθμης υπόγειου υδροφορέα	el
dc.title	Combination of Artificial Neural Networks and Geostatistical models for the optimization of the aquifer’s groundwater level monitoring network	en
heal.type	masterThesis
heal.classification	Γεωστατιστική	el
heal.classification	Artificial Neural Networks	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-02-23
heal.abstract	Τα δίκτυα γεωτρήσεων ενός υδροφορέα παρέχουν σημαντικές πληροφορίες για την διαχείριση και την ποιότητα των υπόγειων υδατικών αποθεμάτων, ειδικά σε περιοχές όπου υπάρχει αλόγιστη εκμετάλλευση τους εξαιτίας της εκτεταμένης γεωργικής δραστηριότητας. Στην παρούσα εργασία αναπτύσσεται μια συνδυαστική προσέγγιση βελτιστοποίησης που βασίζεται στη γεωστατιστική μέθοδο Kriging σε συνδυασμό με την χρήση Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ). Έχοντας ως δεδομένο το υπάρχον δίκτυο γεωτρήσεων στον υπόγειο υδροφορέα της λεκάνης των Μοιρών Ηρακλείου Κρήτης, σκοπός της εργασίας είναι η εύρεση της αποδοτικότερης λειτουργίας του δικτύου γεωτρήσεων. Η κατάργηση των γεωτρήσεων που συμβάλλουν το λιγότερο στην χαρτογράφηση της υπόγειας στάθμης της υπό μελέτη περιοχής καθώς και η αντικατάσταση των μετρήσεων με εκτιμήσεις όπου είναι δυνατόν, μπορούν να επιτευχθούν μέσω στατιστικών μεθόδων χωρίς να επηρεάζεται η εγκυρότητα των αποτελεσμάτων. Στην εργασία χρησιμοποιείται αρχικά ένα ΤΝΔ για την εύρεση των γεωτρήσεων των οποίων οι τιμές υπόγειας στάθμης δύναται να αντικατασταθούν με εκτιμήσεις του ΤΝΔ και στην συνέχεια εφαρμόζεται η μέθοδος κανονικού Kriging ώστε να διαπιστωθεί κατά πόσο επηρεάζεται η χαρτογράφηση της στάθμης της περιοχή μελέτης με την χρήση των εκτιμήσεων του ΤΝΔ. Τέλος προσδιορίζονται οι γεωτρήσεις οι οποίες συντελούν καθόλου ή ελάχιστα στην αποδοτική χαρτογράφηση της στάθμης. Δεδομένου του υψηλού κόστους συντήρησης και λειτουργίας ενός δικτύου γεωτρήσεων η εφαρμογή της προτεινόμενης μεθόδου θα μπορούσε να χρησιμοποιηθεί από τις αρμόδιες αρχές για την εξοικονόμηση πόρων, τον αποδοτικότερο και συχνότερο έλεγχο των υδατικών αποθεμάτων καθώς και για την λήψη σημαντικών αποφάσεων σχετικά με την διαχείριση των υδατικών πόρων.	el
heal.abstract	Aquifers’ well monitoring networks provide crucial information on the management and quality of groundwater resources, especially in overexploited areas due to extensive agricultural activity. In the present thesis a combined optimization approach based on the Kriging geostatistical method in combination with the use of Artificial Neural Networks (ANN) is developed. Taking into account the existing well monitoring network of the underground aquifer in Mires basin of Heraklion Crete, the aim of the thesis is to efficiently optimize the operation of the well monitoring network. The detection of monitoring wells that contribute the less to the mapping of the underground level in the area of study and the replacement of measurements with estimations, where possible, can be achieved through geostatistical methods without affecting the validity of the results. In the framework of the present thesis an ANN is initially used in order to find monitoring wells whose underground level values can be replaced by estimates of the ANN, and then the ordinary Kriging method is applied to determine whether the mapping of the study area level is affected by the use of the ANN estimates. Finally the monitoring wells which contribute little or not at all to the efficient aquifer level mapping are identified. Given the high maintenance and operation costs of a monitoring network, the implementation of the proposed method could be used by the competent authorities to save economic resources, monitor more efficiently and frequently the water resources and to take important decisions regarding water resources management.	en
heal.advisorName	Κάβουρας, Μαρίνος	el
heal.committeeMemberName	Κάβουρας, Μαρίνος	el
heal.committeeMemberName	Παπαδοπούλου, Μαρία	el
heal.committeeMemberName	Μαντόγλου, Αριστοτέλης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	true