אופטימיזציה רב-אובייקטיבית עבור העיצוב מערכות תשתית חוף חיוניות

אזורי חוף ברחבי העולם מאוימים יותר ויותר על ידי ההשפעות המשולבות של שינויי האקלים, עלייה ברמת הים, ואירועי מזג אוויר קיצוניים יותר מתמידים.הצורך לעצב תשתיות יעילות בסביבות דינמיות אלה מעולם לא היה דחוף יותר, אך האתגרים הם עצומים: תשתיות חייבות להגן על קהילות, לתמוך בפעילויות כלכליות, לשמר מערכות אקולוגיות ברות, ולהישאר ברות קיימא על מחזור החיים שלה.

הבנת המורכבות של עיצוב תשתיות החוף

מערכות תשתית חוף - קירות ימיים, לווים, למחסומים, לשפשף סערות, לשבור מים, טונים, פתרונות המבוססים על הטבע - הם נכסים ארוכי טווח שצריכים להופיע בטווח רחב של תנאים.העיצוב שלהם חייב לשקול מספר רב, לעתים קרובות סכסוכים מטרות. לדוגמה, העלאת חומת ים כדי להגן מפני אירוע סערה של 100 שנים מגבירה את עלויות הבנייה ועלולה לשבש את בתי הגידול המסורתיים, כמו גם עם גורם גבוה של בטיחותי, עבור תנאים אחרים, עבור חומרים מסוכנים, כגון, כגון, עבור משאבים קריטיים, עבור עלויות מסחר אחד, עבור חומרים מתקדמים, כגון, עבור עלויות תפעוליים, כגון, עבור עלויות זרם גבוה יותר, עבור עלויות מסחר אחד, עבור עלויות מזהמים, עבור עלויות מזהמים, עבור עלויות מזהמים אחרים.

אופטימיזציה רב-אובייקטיבית מתמודדת ישירות עם המורכבות הזו.במקום לחפש תשובה אחת "טובה", MOO מגלה סט של FLT:0Pareto אופטימלית עיצובים (FLT:1) עיצוב הוא Pareto אופטימלי אם שום מטרה לא ניתן לשפר ללא דהור לפחות מטרה אחת אחרת.אוסף של עיצובים כאלה החזית Pareto, אשר חושף את החלטות הסחר הטבוע בין מטרות סביבתיות יכולות לבחור לפחות פתרון קיצוניות או עדיפויות אחת על פני השטח.

מטרות מפתח בתשתית החוף

מטרות טיפוסיות במחקר MOO החוף כוללות:

• (FLT:0) צמצום עלויות ההון והתחזוקה.FIRLT:1 , מגבלות התקציב הן תמיד דאגה עיקרית לפרויקטים של עבודות ציבוריות.
• (ב)0 (מקסימיזציה של החוסן לרוחות, גלים, ושיטפונות.ראה"ב:1) זה לעתים קרובות מוגדר על ידי נזק שנתי צפוי, הסתברות של כישלון, או אי-עוצמה תחת סופות עיצוב.
• (FLT:0) גרימת הפרעה סביבתית ואקוולוגית ארוכת טווח.06.10.10 מבנים קשים יכולים לשנות את התחבורה של הסדמנט, בתי גידול מחיתולים, ולשפיע על איכות המים.
• (FLT:0) הבטחת הון חברתי וקבלת קהילה.IRLT:1) הגנה על אוכלוסיות פגיעות ושמירה על גישה ציבורית לחוף הם חשובים יותר ויותר.
• (FLT:0) ,Adaptability to future Climate Conditions.ás: ⁇ 1) עיצובים שניתן לשדרג או לשלב אלמנטים גמישים הם בעלי ערך תחת אי ודאות עמוקה.

מושגים של Multi-Objective Optimization

בליבתו, MOO כוללת ניסוח בעיה מתמטית עם וקטור של משתנים החלטות (למשל, גובה crest של ים, זווית מדרונות, סוג של התחדשות), מערכת של מגבלות (למשל, נסיגה מקסימלית המאפשרת קרקעית), ופונקציות אובייקטיביות מרובות שבדרך כלל סותרות.הפתרון אינו נקודה אחת אלא קבוצה של נקודות לא מזוהות.

הטכניקות הנפוצות ביותר לפתרון בעיות MOO בהנדסה החוף נופלות לשתי קטגוריות: שיטות קלאסיות המדרגות מטרות באמצעות משקולות, ואלגוריתמים אבולוציוניים המשתמשים בחיפוש מבוסס אוכלוסייה, בעוד שיטות דרוג (כגון הסכום המסולק או epsilon-constraint שיטות) הן פשוטות, לעתים קרובות דורשות ריצות רבות כדי ליצור חזית ייצוגית ויכולות להחמיץ אזורי אלגוריתמים, במיוחד (Factatives) כי הם יכולים להיות אלגוריתמים רבים של אלגוריתמים (DMA-T) כי הם לעתים קרובות, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, אלגוריתמים, אלגוריתמים, אלגוריתמים, כלומר, כלומר, כלומר, כלומר, אלגוריתמים רבים, אלגוריתמים רבים, כלומר, אלגוריתמים רבים, כלומר, אלגוריתמים רבים, אלגוריתמים רבים, אלגוריתמים לא-PTSD-T) הם דורשים, בעיקר, אלגוריתמים אובייקטיביים (שיטות לא מטרות אלגוריתמים (D) הם דורשים שיטות פעולה אלגוריתמים, כלומר, כלומר, הם דורשים, הם דורשים, הם דורשים, כלומר, הם דורשים, כלומר, כלומר, אלגוריתמים (החלבונים לא-DMADMADMA

אלגורית'מים פופולריים: NSGA-II ומעבר

ה-(FLT:0) Non-dominatedמיין אלגוריג'ם השני (NSGA-II)FLT:1 הוא אחד האלגוריתמים הנפוצים ביותר MOO.הוא משתמש בהליך מהיר שאינו ממין (NSGA-II) מהיר, מפעיל מהיר של מהירות צפופה כדי לשמור על מגוון, וגישה אליט שמשמרת את הפתרונות הטובים ביותר על פני דורות רבים של תשתיות החוף מסתמכים על מוטציות גנטיות (OAL) ו-DFRIALOALOLSEOLSEOLIST) על מטרות מתקדמות יותר על מוטציות (OALDFRIALOALOALOSTOAL DEAOSTOSTSEOSTTEED DEA) על מנת לשמור על מוטציות (OSTOSTOSTOSTOSTOSTSEOSTTEED DEADREDREDREDREDREDREDREOSTTEED REOST) ו-DREDREDICTIONS על מגוון רחבות על מנת לשמור על מגוון רחבות על מנת לשמור על מגוון רחבות על מגוון רחבות על מגוון רחבות על אלגוריתמיות על אלגוריתמיות על מגוון רחבות על אלגוריתמיות על אלגוריתמיות על אלגוריתמיות (

עבור יישומים החוף, הבחירה של אלגוריתם לעתים קרובות תלוי בגודל הבעיה (מספר משתנים ומטרות), תקציב חישובי (מספר הערכות מודל), והאם פונקציות אובייקטיביות מוערכות על ידי מודל סימולציה יקר (למשל, מודל הידרודינמי מלא) או פונדקאי פשוט יותר.

יישומים בעיצוב תשתיות החוף

MOO הוחלה במגוון רחב של אתגרים תשתית החוף. להלן הן מספר דוגמאות נציגות הממחישות את כוחה ואת הגמישות שלו.

Seaקיר ודייק

שקול קו החוף החדש לאורך חוף מפותח.משתנה ההחלטה כוללים גובה מעוקל, גודל החיסרון, עומק הבנייה וחומרי בנייה. מטרות עשויות לכלול צמצום עלויות הבנייה, למקסם את ההגנה על פני השטח (מחוש על ידי קצב פיזור מידע המאפשר), וצמצום קצב החוף ושפל בית הגידול.

מערכת לב ו- Floodation

(למערכות בקנה מידה גדול כמו ה levees ב דלה או המחסומים המגינים על אזור מטרופוליטן, MOO יכול להתמודד עם מבנים אינטראקציה מרובים.מחקר טיפוסי עשוי לייעל את הגבהים והמיקומים של הלוטות, את היכולת של תחנות המשאבה, ואת הפעולה של שערי sluice לעתים קרובות כוללים סיכון מבול (הנזק השנתי הצפוי), עלויות המערכת הכוללות, וקישוריות אקולוגיות (למשל, שמירה על רמות הגנה על פני השטח של ערוץ 1.F) ו-HF.

פתרונות מבוססי טבע: Dunes ו Wetlands

יותר ויותר, מנהלי החוף פונים פתרונות מבוסס טבע (נקראים גם הנדסה אקולוגית או תשתיות ירוקות) דנדי שיקום, יצירת מלח מרש, ונטיעת מנגרו מספקים גל, גידול, ולכידת פחמן אבל דורש שטח ותחזוקה. mOO חיוני כדי לשלב את ההתערבות האלה במערכות היברידיות המשלבות אלמנטים טבעיים ומהנדסים.

תכנון החוף הרב-Scale

בקנה מידה אזורי, MOO יכול להנחות מסלולי הסתגלות לטווח ארוך תחת שינויי האקלים.משתנים החלטות כוללים תזמון של פעולות (למשל, העלאת טונים, בניית מבנים ים, relocate מבנים), ויעדים עשויים לכלול עלויות נוכחיות נטו, סיכון השוכן מעל 50 שנים, ומדדי בריאות מערכת אקולוגית באמצעות FLT:0דינמית-objective אופטימיזציה של מין 1 הראו כי ניתן להתאים בהדרגה לקצבים סטנדרטיים של שינוי יציבים, כגון עיצובים סטנדרטיים של מערכתיים.

אתגרים מתודולוגיים ואסטרטגיות מייגציה

למרות הבטחתו, החלת MOO לתכנון תשתיות החוף אינה ללא אתגרים משמעותיים. מהנדסים וחוקרים חייבים להתמודד עם מגבלות נתונים, אי ודאות מודל, עלות חישובית, ואת הצורך לשלב אי ודאות עמוקה לגבי האקלים העתידי והתנאים הסוציו-אקונומיים.

חוסר ודאות בתחזיות אקלים

תשתיות חוף נועדו לחיי שירות של 50 עד 100 שנים.לאורך תקופה זו, עלייה ברמת הים, עוצמת הסערה ואקלים גל הם מאוד לא בטוחים.מודלים MOO אשר מתייחסים לגורמים אלה כקלטים ⁇ עשויים לייצר עיצובים כי הם רזים - אופטיים לעתיד אחד, אך תחת גישה קטסטרופלית נוספת היא לשלב אי ודאות באמצעות סימולציה או צמצום משמעותי (Q) של יעילות גבוהה יותר, למשל, כגון סימולציה של יעילות גבוהה של שיטות מדידה או צמצום של סימולציה או צמצום של סימולציה או ירידה של סימולציה או ירידה משמעותית, במקום אחר, או ירידה של מתודולוגיה, או ירידה של מתודולוגיה, במקום סימולציה של מתודולוגיה, אם היא סימולציה של סימולציה של סימולציה של סימולציה של סימולציה של יעילות, במקום זאת, או ירידה משמעותית, במקום זאת, או ירידה משמעותית של מתודולוגיה של מתודולוגיה, אם היא מתודולוגיה, אם היא מתודולוגיה, אם היא מתודולוגיה, אם היא מתודולוגיה, אם היא מתודולוגיה, אם היא יכולה להיות נמוכה יותר, אם היא מתודולוגיה, אם היא יכולה להיות נמוכה יותר, אם היא מתודולוגיה, אם היא מתודולוגיה, אם היא יכולה להיות נמוכה יותר, אם היא מתודולוגיה, אם היא

תחזיות של מודלים של נאמנות גבוהה

(ב) תהליכים רבים של החוף - הפצת גלים, עלייה סערה, תחבורה של סימנט - מודלים אינטנסיביים חישוביים (למשל, SWAN, ADCIRC, Delft3D) הפעלת מודלים אלה אלפי פעמים במסגרת MOO היא לעתים קרובות אסרטיבית. תרופות נפוצות כוללות שימוש ב-FLT:0surrogate מודלים (מודלים) LT1, כגון תהליך גאורגינציה נמוכה יותר, כמו למשל, לדוגמה, שימוש בדגמים מוקדמים של סימולציה נמוכה יותר, או סימולציה גבוהה של סימולציה (FRMIFRMI) ב-FRMIFRMI).

מטרות רבות וויזואליזציה

כאשר מספר המטרות גדל מעבר לשלוש או ארבע, הדמיה של חזית Pareto הופכת קשה.מקבלי ההחלטות האנושיים יכולים להיאבק כדי להבין את הבורסות בחללים גבוהים.כלי כגון מקבילות, מפות חום, ומפות מאורגנות עצמית מסייעות יותר, טכניקות כמו FLT:0objectiveductionFLT:1 לזהות מטרות מאומתות (אלה הם לעתים קרובות מתואמים את הבעיה), ולא ניתן למוטט את העלויות הקשורות, לעתים קרובות, לא ניתן להפחתה יעילה יותר מאשר לצמצום של תשתיות.

ערך קהילתי ושוויון חברתי

לבסוף, MOO הוא רק טוב כמו המטרות שהוא משתמש.מדמים מסורתיים כמו ערך נוכחי נטו או תדירות הצפה עשויים לא ללכוד את החוויה החיה של קהילות פגיעות.שילוב:0 חברתי הון עצמי FLT:1 דורש מטרות נוספות כגון מספר משקי הבית מתחת לקו העוני מוגן, המגוון של סוגי דיור באזורי הצפה, ושימור של אתרי תרבות משמעותיים מוקדם בתהליך ה-MOOS - בעיקר מטרות קריטיות אלה.

כיוונים עתידיים ב- Multi-Objective Optimization for Coastal Resilience

התחום מתקדם במהירות, מונע על ידי שיפורים בכוח מחשוב, זמינות נתונים וחדשנות אלגוריתמית.כמה מגמות מעצבות את הדור הבא של יישומי MOO עבור תשתיות החוף.

שילוב עם תאומים דיגיטליים

תאומים דיגיטליים – העתקים דיגיטליים דינמיים של מערכות פיזיות המתעדות באופן רציף עם נתונים בזמן אמת – הופכים למציאות עבור נמלים, איים מחסום וערים חוף. על ידי הפיכה של תאום דיגיטלי עם MOO, מקבלי החלטות יכולים לעדכן כל הזמן פרמטרים עיצוב אופטימליים כמו תצפיות חדשות (למשל, שיעורי עלייה ברמת הים בפועל, סערות) להיות זמינים.

מכונות למידה ומודלים עמוקים

רשתות עצביות עמוקות ורשתות עצביות מבוססות פיזיקה (PINN) משמשים ליצירת מודלים פונדקאים מדויקים מאוד שניתן למקם מיליוני פעמים בתוך לולאה אופטימיזציה.פונדקאים אלה יכולים ללמוד מערכות יחסים מורכבות בין הפרמטרים עיצוביים לבין מדדי ביצועים ממאגרי נתונים גדולים של סימולציות טרום-קודש. Reinforcement Learnings מתפתחת גם כשיטת בקרה אופטימלית של מדיניות הסתגלות תשתיות החוף - לדוגמה, תחזיות הפעלה דינמיות על בסיס מכשולים בזמן אמת.

מערכות מבוססות טבע ומערכת היברידית

ככל שהיתרונות של פתרונות מבוססי טבע הופכים לכמתים יותר, מסגרות MOO משלבות מטרות שירות אקולוגיות ואקו-סיסטם מההתחלה.זה דורש הפיכה מודלים ביו-פיסיקה (למשל, גידול צמחייה החוף, קצבי צבירה) עם מודלים חברתיים וכלכליים.מחקרי אופטימיזציה עתידיים סביר לשקול תיקו של התערבויות מקוננות - תערובת של אופקית (na-based) ופתרונות מרובים לאורך זמן רב טווח) ומרחביים.

Robust Decision Making ו- Multi-Objective Robust Optimization

בהתחשב בחוסר הוודאות העמוק לגבי האקלים והעתידים הסוציו-אקונומיים, שיטות אופטימיזציה חזקות אשר מהוות במפורש ערך הגרוע או המצבי בסיכון הופכות להיות נפוצות יותר. Robust MOO אינו תלוי בתרחיש עתידי אחד, אלא מעריך עיצובים על פני אנסמבל של תרחישים, מחפש פתרונות המבצעים ביצועים בצורה נאותה בכל עתיד סביר.

מקרה מחקר: אופטימיזציה של הגנה על חוף היברידית עבור קהילה Vulnerable

(ה) להמחיש את היישום המעשי של MOO, לשקול קהילה חוף בינונית מול הצפה כרונית מגאות גבוהות ושערות סערה.צוות העיצוב רואה שלוש אסטרטגיות התערבות: ים בטון גבוה, מערכת דו-קרקעית ומרקש (בסיס גלקסיות), ו היברידית המשלבת אזור נמוך עם דלה ומרד.

באמצעות NSGA-II עם מודל הידרודינמי פונדקאית, הצוות מייצר חזית של פתרונות.התוצאות מראות כי הפתרונות המבוססים על הטבע להפחית באופן משמעותי את העלות ולשפר את הגידול, אך מציעים פחות הגנה תחת אירועים קיצוניים.העיצוב ההיברידי מבצע כמעט כמו גם את וולול הים המלא בצמצום הנזק המבול בעוד שעלויות פחות ואספקת שיקום בית גידול מתון.

מסקנה

אופטימיזציה רב-אובייקטיבית הוכיחה כי היא גישה טרנספורמטיבית לתכנון תשתיות החוף הנינוחות.על ידי חשיפת באופן שיטתי של עסקאות בין עלות, בטיחות, אקולוגיה, הון, MOO מעצימה מהנדסים, מתכננים וקהילות לקבל החלטות מושכלות, שקוף תחת אי ודאות עמוקה.התקדמות באלגוריתמים, מודלים חלופיים, תאומים דיגיטליים, וקבלת החלטות חזקים מרחיבים במהירות את הכלי.

(ב) לקריאה נוספת, התייעצו עם טקסטים יסוד כגון FLT:0.Multi-objective Optimization Optimizive OptimizationsFLT:1 ונייר ראשי על FLT:2NSGA-IIIRLT 3 (הנחיה מעשית ליישומים החוף זמינה בדוחות של FLT:4 האגודה האמריקנית למהנדסים אזרחיים (ASCE) על הסתגלות לשינויי אקלים:5 למחקרים המבוססים על טבע, ראה פתרונות מבוססי פתרונות עבודה על בסיס LT:4.