تولید نقشه پتانسیل وقوع گرفتگی شبکه فاضلاب شهری با استفاده از شبکه عصبی و GIS (مطالعه موردی: منطقه ۲ آبفای تهران)
Publish place: Journal of Water and Wastewater، Vol: 32، Issue: 6
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 331
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WWJ-32-6_009
تاریخ نمایه سازی: 28 فروردین 1401
Abstract:
شبکه فاضلاب به عنوان یکی از مهم ترین تاسیسات زیربنایی، می تواند نقش مهمی را در دستیابی به توسعه پایدار از طریق ارتقای سطح بهداشت عمومی و حفاظت از محیط زیست با جلوگیری از آلودگی منابع آبهای سطحی و زیرزمینی داشته باشد. یکی از شایع ترین حوادثی که به مقدار قابل توجهی در این شبکه اتفاق می افتد، گرفتگی در لوله های جمع آوری فاضلاب است. شناخت عوامل تاثیرگذار در وقوع گرفتگی در شبکه، تاثیر قابل توجهی در پیش بینی صحیح حوادثی که در آینده برای شبکه ممکن است اتفاق بیافتد، دارد. در این پژوهش، به منظور پیش بینی و تهیه نقشه پتانسیل وقوع گرفتگی در شبکه فاضلاب، از ابزارهای GIS و شبکه عصبی مصنوعی استفاده شد. فاکتورهای مهم در بروز گرفتگی شامل، کاربری، قطر سیفون، عمق سیفون، عمق و جنس و سن لوله در تحلیل شبکه عصبی استفاده شدند. از داده های ورودی به ترتیب ۷۰، ۱۵و ۱۵ درصد برای آموزش، اعتبارسنجی و تست مدل استفاده شد. نتایج حاصل از شبیه سازی با استفاده از شبکه عصبی با شاخص توافق ۹/۰R۲= تناسب زیادی بین مکان های پیش بینی شده و مشاهده شده گرفتگی را نشان داد و همچنین در نقشه پتانسیل گرفتگی، محدوده هایی با تراکم جمعیت زیاد، بافت فرسوده و ساخت و سازهای غیرمجاز (به دلیل نصب انشعابات غیرمجاز) پتانسیل زیاد گرفتگی مشاهده شد.
Keywords:
Authors
فریماه بخشی زاده
دانشجوی دکترا، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
محمدرضا جلوخانی نیارکی
دانشیار، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
سمیه محمودی
دانشجوی دکترا، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :