حسین اژدری بجستانی - دانشجوی کارشناسی ارشد رشته مهندسی عمران، گرایش مهندسی و مدیریت منابع آب دانشگاه شهید بهشتی
سعید علیمحمدی - دانشیار دانشکده مهندسی عمران، آب و محیط زیست دانشگاه شهید بهشتی
محسن بدیعی باغسیاهی - دانشجوی کارشناسی ارشد رشته مهندسی عمران، گرایش مهندسی و مدیریت منابع آب دانشگاه شهید بهشتی

با توسعه سریع صنعت، بهویژه صنایع نفتی در دهه های اخیر، مسئله آلودگی آب های زیرزمینی مجاور آنها از اهمیت ویژه ای برخوردار شده است. این مسئله مخصوصا در مناطق خشک و نیمه خشک کشور که محدودیت دسترسی به آب های سطحی مناسب دارند، بیشتر جلوه می کند. در این میان سیالات سنگین ارگانیک با قابلیت انحلال کم در آب که تحت عنوان مایعات با فاز غیرآبی متراکم DNAPL شناخته می شوند، در بین رایج ترین گونه های آلودگی در آب زیرزمینی می باشند. برای پاکسازی آبخوان های آلوده به DNAPL، اغلب از روش پمپاژ و تصفیه ارتقاء یافته SEAR که روشی هزینه بر است استفاده می گردد نرم افزار UTCHEM توانایی مدل سازی نحوه ی انتشار و انتقال DNAPL ها و قابلیت اجرای روش SEAR را دارد. مشکل اصلی استفاده از این نرمفزار و سایر مدل های شبیه سازی کیفی و توزیعی آبخوان ها، مدت زمان موردنیاز برای اجرای متعدد مدل در شرایط استفاده از آن برای بهینه سازی سیستم است و این موضوع کار را مشکل و در بعضی از مواقع ناممکن می سازد. برای حل این مشکل در انجام این پژوهش از مدل جایگزین بر اساس روش K-NEAREST NEIGHBOR که یکی از روش های یادگیری ماشین است، در جهت شبیه سازی و بهبود روش SEAR استفاده گردید تا در کنار داشتن دقت مناسب، مدت زمان موردنیاز تا حد زیادی کاهش یابد. خطای جذر میانگین مربعات نتایج به دست آمده از مدل جایگزین برای پنجاه سناریوی جدید برابر ۱.۶۶ می باشد، که این موضوع بیانگر دقت مناسب مدل جایگزین ساخته شده است.

پاک سازی آبخوان، مایع فاز غیرآبی متراکم، مدل جایگزین، k نزدیک ترین همسایگی