سعید یوسف‌زاده؛ عطاالله ندیری
چکیده
امروزه آب زیرزمینی یکی از منابع اصلی آب آشامیدنی و کشاورزی و دیگر مصارف مختلف برای جوامع بشری است. با افزایش جمعیت و توسعهیافتگی جوامع، تقاضا برای این منبع طبیعی مهم و حیاتی و استراتژیک افزایش یافته است. این افزایش با کاهش منابع آبی با صدمه بر محیط آبخوانها همراه بوده است. بر این اساس برای رویارویی با بحران کم‌آبی و جلوگیری از تخریب ...
بیشتر
امروزه آب زیرزمینی یکی از منابع اصلی آب آشامیدنی و کشاورزی و دیگر مصارف مختلف برای جوامع بشری است. با افزایش جمعیت و توسعهیافتگی جوامع، تقاضا برای این منبع طبیعی مهم و حیاتی و استراتژیک افزایش یافته است. این افزایش با کاهش منابع آبی با صدمه بر محیط آبخوانها همراه بوده است. بر این اساس برای رویارویی با بحران کم‌آبی و جلوگیری از تخریب آبخوانها، مدیریت آنها و در پی آن شناخت دقیق متغیرهای هیدروژئولوژیکی به شدت احساس می‌شود. یکی از مهمترین این متغیرها، هدایت هیدرولیکی است. با وجود اینکه، سامانه آب زیرزمینی یک سامانه پیچیده است و برآورد متغیرهای هیدروژئولوژیکی که معمولاً با روشهای کلاسیک مانند روشهای آزمایشگاهی، اسلاگ تست، آزمایش ردیابی و آزمون‌های پمپاز انجام می‌گیرد؛ با عدم قطعیت ذاتی همراه بوده و پر هزینه و وقتگیر است. بنابراین، استفاده از روشهای هوش مصنوعی برای برآورد هدایت هیدرولیکی، می‌تواند از عدم قطعیت این متغیر کم کند و تا حدودی بر دقت آن بیافزاید؛ تا بتواند بر نواقص موجود در روشهای کلاسیک چیره شود. در این پژوهش چهار روش هوش مصنوعی، روش سامانه استنتاج فازی ممدانی، سامانه استنتاج فازی ساجنو، شبکه عصبی موجکی، و ماشین بردار پشتیبان کمینه مربعات به عنوان مدلهای منفرد برای برآورد هدایت هیدرولیکی آبخوان مراغه بناب با استفاده از داده‌های ژئوفیزیکی سطحی در منطقه به کار گرفته شد. با توجه به اینکه هر کدام از مدلها بر پایه ویژگیهای ذاتی خود در بخشی از این محدوده نتایج خوبی ارائه دادند. بنابراین برای استفاده همزمان از کارایی همه این مدلها روش ترکیب غیرخطی با عنوان مدل هوش مصنوعی مرکب نظارت شده (SCMAI) برای برآورد هدایت هیدرولیکی در دشت مراغه- بناب استفاده و نتایج آن با استفاده از معیارهای ارزیابی مختلف نشان داده شد. مدل SCMAI با استفاده از 15 داده مورد آزمایش قرار گرفت. مقادیر RMSE و به ترتیب برابر 045/0 و 97/0 به دست آمد. با مقایسه این مقادیر با مقادیر محاسبه شده برای مدلهای منفرد یاد شده، دیده شد که مدل SCMAI با داشتن RMSE کمتر و بهتر از مدلهای هوش مصنوعی منفرد است. این نتایج بیان می‌دارد که مدل SCMAI کارآیی بالایی در برآورد مقادیر هدایت هیدرولیکی در آبخوان آزاد و هتروژن دشت مراغه- بناب نشان می‌دهد.
مریم قرهخانی؛ عطاالله ندیری؛ اصغر اصغری‌مقدم
چکیده
آلودگی منابع آب زیرزمینی به علت نفوذ آلایندهها از سطح زمین به سامانه آب زیرزمینی به‌ویژه در مناطق خشک و نیمهخشک که با کمبود کمی و کیفی منابع آب روبه‌رو هستند؛ یکی از معضلات جدی به شمار میآید. بنابراین ارزیابی آسیبپذیری آب زیرزمینی به منظور شناسایی مناطق دارای پتانسیل بالای آلودگی برای مدیریت منابع آب زیرزمینی ضروری است. ...
بیشتر
آلودگی منابع آب زیرزمینی به علت نفوذ آلایندهها از سطح زمین به سامانه آب زیرزمینی به‌ویژه در مناطق خشک و نیمهخشک که با کمبود کمی و کیفی منابع آب روبه‌رو هستند؛ یکی از معضلات جدی به شمار میآید. بنابراین ارزیابی آسیبپذیری آب زیرزمینی به منظور شناسایی مناطق دارای پتانسیل بالای آلودگی برای مدیریت منابع آب زیرزمینی ضروری است. در این پژوهش آسیبپذیری آبخوان دشت اردبیل در برابر آلودگی با استفاده از روش دراستیک مورد بررسی قرار گرفت. در مدل دراستیک هفت متغیر مؤثر در آسیبپذیری که شامل ژرفای آب زیرزمینی، تغذیه خالص، محیط آبخوان، محیط خاک، توپوگرافی، محیط غیر اشباع و هدایت هیدرولیکی است؛ به‌صورت هفت لایه رستری تهیه شد و پس از رتبهدهی و وزندهی شاخص دراستیک به دست آمد که برای دشت اردبیل شاخص دراستیک میان 82 تا 151 به دست آمد. اما از آنجایی که مشکل اصلی این مدل اعمالنظرهای کارشناسی برای رتبهدهی و وزندهی متغیرهای به کار رفته در آن است؛ بنابراین هدف اصلی این پژوهش بهبود مدل دراستیک با استفاده از 5 روش هوش مصنوعی از جمله شبکه عصبی پیشرو، شبکه عصبی برگشتی، فازی ساجنو، فازی ممدانی و مدل مرکب است. تا بدین روش بتوان به نتایج دقیقتری از ارزیابی آسیبپذیری دست یافت. با توجه به ناهمگنی موجود در دشت اردبیل این دشت به سه بخش خاوری، باختری و جنوبی تقسیم و مدلهای هوش مصنوعی به‌طور جداگانه برای هر بخش اجرا شد. به این منظور متغیرهای دراستیک به عنوان ورودی مدل و شاخص دراستیک به عنوان خروجی مدل تعریف شدند و مقادیر نیترات مربوطه به 2 دسته آموزش و آزمایش تقسیم شد. شاخص دراستیک مربوط به مرحله آموزش با مقادیر نیترات مربوطه تصحیح و پس از آموزش مدل، در مرحله آزمایش نتایج مدلها با استفاده از مقادیر نیترات ارزیابی شد. نتایج نشان داد که همه روشهای هوش مصنوعی توانایی بالایی در بهبود مدل دراستیک دارند؛ اما در این میان، مدل هوش مصنوعی مرکب (SCMAI) نتایج بهتری را دربر داشت. بر پایه این مدل، بخشهای باختری و شمالی دشت پتانسیل آلودگی بالایی دارد و باید محافظت بیشتری از این مناطق صورت گیرد.
شیرین صفری؛ اصغر اصغری‌مقدم؛ عطاالله ندیری؛ کمال سیاه‌چشم
چکیده
آرسنیک به عنوان یکی از سمی‌ترین و خطرناک‌ترین مواد محلول در آب‌های طبیعی شناخته شده است و در درازمدت اثرات سوء بر سلامت انسان دارد. آلودگی منابع آب به آرسنیک در بیشتر نقاط جهان و ایران به‌ویژه در استان کردستان در باختر کشور گزارش شده است. هدف از انجام این پژوهش تعیین منشأ آرسنیک و چگونگی آزاد‌سازی آن در منابع آب زیرزمینی دشت چهاردولی ...
بیشتر
آرسنیک به عنوان یکی از سمی‌ترین و خطرناک‌ترین مواد محلول در آب‌های طبیعی شناخته شده است و در درازمدت اثرات سوء بر سلامت انسان دارد. آلودگی منابع آب به آرسنیک در بیشتر نقاط جهان و ایران به‌ویژه در استان کردستان در باختر کشور گزارش شده است. هدف از انجام این پژوهش تعیین منشأ آرسنیک و چگونگی آزاد‌سازی آن در منابع آب زیرزمینی دشت چهاردولی است. در این دشت منابع آب زیرزمینی بیشتر آب مورد نیاز برای آشامیدن، کشاورزی و صنعت را تأمین می‌کند. بدین منظور از منابع آب زیرزمینی این دشت 31 نمونه آب گردآوری و یون‌های اصلی و فرعی آن در آزمایشگاه هیدرولوژی گروه علوم زمین دانشگاه تبریز و عناصر کمیاب در آزمایشگاه آب فاضلاب کردستان تجزیه شد. نتایج حاصل، نشان از غلظت بالای آرسنیک در آب منطقه دارد؛ بهگونهای که بالاترین غلظت به مقدار270 میکروگرم بر لیتر مربوط به چاه کشاورزی در شمال باختری منطقه و منابع آب بخش دلبران است. بر پایه نتایج به دست آمده از روشهای چند‌متغیره و گرافیکی و با توجه به همبستگی معنی‌دار آرسنیک با کاتیون‌‌های اصلی (سدیم، پتاسیم) و سیلیس می‌توان منشأ آرسنیک را زمین‌زاد و از سنگ‌های آتشفشانی دانست که آلاینده‌های شهری و عوامل انسانی تأثیر چندانی در آن نداشته است. چگونگی آزاد‌سازی آرسنیک را می‌توان به جذب رقابتی سیلیس محلول با آرسنیک برای جذب شدن در مکان‌های جذب مانند اکسید‌های آهن، آلومینیم و منگنز نسبت داد.
عطاالله ندیری؛ فریبا صادقی اقدم؛ اصغر اصغری مقدم
چکیده
در این مطالعه از مدل منطق فازی مرکب (ICFL) برای برآورد غلظت آرسنیک کل (III, V) در محدوده مطالعاتی سد سهند استفاده شده است. با توجه به بالا بودن مقادیر آرسنیک نسبت به مقادیر استاندارد جهانی (mg/L 01/0)، گروه زمین‌شناسی دانشگاه تبریز و سازمان آب منطقه‌ای آذربایجان شرقی از منابع آب زیرزمینی و سطحی منطقه نمونه‌برداری و متغیرهای هیدروشیمیایی ...
بیشتر
در این مطالعه از مدل منطق فازی مرکب (ICFL) برای برآورد غلظت آرسنیک کل (III, V) در محدوده مطالعاتی سد سهند استفاده شده است. با توجه به بالا بودن مقادیر آرسنیک نسبت به مقادیر استاندارد جهانی (mg/L 01/0)، گروه زمین‌شناسی دانشگاه تبریز و سازمان آب منطقه‌ای آذربایجان شرقی از منابع آب زیرزمینی و سطحی منطقه نمونه‌برداری و متغیرهای هیدروشیمیایی آن را تجزیه کرده‌اند. برای برآورد غلظت‌های آرسنیک کل، از میان پارامترهای تجزیه‌ای نمونه‌ها از متغیرهای pH، سولفات، نیترات، فلوئورید و آهن کل (II, III) به عنوان ورودی مدلهای فازی ممدانی (MFL)، لارسن (LFL) و ساگنو (SFL) استفاده شد. با وجود نتایج مناسب این مدلها در دو مرحله آموزش و آزمایش و به دلیل همانندی نتایج این سه مدل، به جای انتخاب مدل برتر، مدل ICFL برای ترکیب نتایج سه مدل منفرد فازی به کار برده شد. به منظور استفاده همزمان از مزایای هر سه مدل یاد شده، ترکیب وزنی از خروجی مدلهای فازی برای ایجاد یک مدل منطق فازی مرکب به کار گرفته شد. همچنین در این مدل برآورد غلظت آرسنیک کل با به کارگیری الگوریتم جامعه ذرات برای به دست آوردن وزن بر پایه خروجی سه مدل فازی استفاده شد. نتایج نشان داد مدل ICFLارائه شده، توانست نسبت به روشهای مدل منطق فازی منفرد، بهتر عمل کند.
رحیم برزگر؛ اصغر اصغری مقدم؛ عطاالله ندیری؛ الهام فیجانی
چکیده
با توجه به تمرکز جمعیت، فعالیت‌های کشاورزی و کارخانه‌های صنعتی در دشت تبریز، ارزیابی آسیبپذیری آبخوان این دشت برای توسعه، مدیریت، تصمیمات کاربری اراضی و جلوگیری از آلودگی آب‌های زیرزمینی ضرورری به نظر می‌رسد. در این پژوهش، آسیبپذیری آبخوان پیچیده دشت تبریز در برابر آلودگی به کمک مدل دراستیک در محیط GIS بررسی شده و بهینه‌سازی ...
بیشتر
با توجه به تمرکز جمعیت، فعالیت‌های کشاورزی و کارخانه‌های صنعتی در دشت تبریز، ارزیابی آسیبپذیری آبخوان این دشت برای توسعه، مدیریت، تصمیمات کاربری اراضی و جلوگیری از آلودگی آب‌های زیرزمینی ضرورری به نظر می‌رسد. در این پژوهش، آسیبپذیری آبخوان پیچیده دشت تبریز در برابر آلودگی به کمک مدل دراستیک در محیط GIS بررسی شده و بهینه‌سازی این مدل توسط روشهای مختلف فازی صورت گرفت. در مدل دراستیک از پارامترهای مؤثر در ارزیابی آسیبپذیری سفره آب زیرزمینی شامل ژرفای سطح ایستابی، تغذیه خالص، جنس محیط آبخوان، نوع خاک، شیب توپوگرافی، مواد تشکیل‌دهنده ناحیه غیراشباع و هدایت هیدرولیکی استفاده می‌شود که به‌صورت هفت لایه در نرم‌افزار ArcGIS تهیه شدند و با وزندهی و رتبه‌بندی و تلفیق این هفت لایه، نقشه نهایی آسیبپذیری آب زیرزمینی نسبت به آلودگی تهیه و شاخص دراستیک برای منطقه بین 40 تا 126 برآورد شد. برای صحت‌سنجی مدل، از داده‌های غلظت نیترات در آب زیرزمینی منطقه استفاده شد که نشان داد همبستگی نسبی بین غلظت نیترات و مدل دراستیک تهیه شده وجود دارد. به منظور بهینه‌سازی مدل دراستیک، از روشهای فازی ساجنو، ممدانی و لارسن استفاده گردید. برای این منظور، پارامترهای دراستیک به‌عنوان داده‌های ورودی و شاخص آسیبپذیری به‌عنوان خروجی برای مدلهای فازی تعریف شدند و مقادیر نیترات مربوطه به دو دسته آموزش و آزمایش تقسیم شد. شاخص آسیبپذیری مربوط به مرحله آموزش با مقادیر نیترات مربوطه تصحیح گردید و پس از آموزش مدل، با استفاده از مقادیر نیترات نتایج مدلها در مرحله آزمایش مورد ارزیابی قرار گرفت. نتایج به‌دست آمده از مدلهای مختلف فازی نشان دادند که روش فازی ساجنو روشی کارآ و مفید برای بهینه‌سازی مدل دراستیک است. بر اساس مدل نهایی، نواحی خاوری منطقه در محدوده شهر تبریز دارای بیشترین میزان پتانسیل آلودگی می‌باشند.
