مدل سازی تغییرات غلظت هیدروکربن های نفتی در عمق های گوناگون خاک آلوده طی فرایند گیاه پالایی با استفاده از منطق فازی
Publish place: The Journal of Environmental Studies، Vol: 41، Issue: 4
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 127
This Paper With 11 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_JESJ-41-4_007
تاریخ نمایه سازی: 13 دی 1401
Abstract:
گیاه پالایی یکی از روش های زیستی ارزان، موثر و دوستدار محیط زیست برای کاهش آلودگی های نفتی خاک است، اما اندازه گیری کمی غلظت هیدروکربن های نفتی خاک های آلوده طی این فرایند مشکل، وقت گیر و هزینه بر است. بنابراین، استفاده از مدلی که به محدودیت های موجود، صورت بندی ریاضی ببخشد و آن ها را رفع کند، بسیار مفید خواهد بود. لذا در این پژوهش، غلظت هیدروکربن های نفتی در ستون خاک طی فرایند گیاه پالایی با استفاده از منطق فازی مدل سازی شد. بدین منظور ستون هایی به ارتفاع ۱۳۰ سانتی متر از خاک آلوده به ترکیبات نفتی جمع آوری شده از اطراف مخازن نفت پالایشگاه اصفهان، تهیه و بذر دو گونه گیاهی سورگوم و جو در ۳ تکرار کشت شد. پس از گذشت ۱۷ هفته، غلظت هیدروکربن های نفتی در اعماق ۲۵، ۵۰، ۷۵ و ۱۰۰ سانتی متری ستون های خاک تعیین شد. با استفاده از روش منطق فازی با تعریف دو ورودی عمق و زمان و مشخص کردن توابع عضویت و قوانین فازی برای سه تیمار جو، سورگوم و شاهد، غلظت هیدروکربن های نفتی در عمق های گوناگون خاک طی فرایند گیاه پالایی مدل سازی شد. نتایج مدل فازی با مقادیر اندازه گیری شده مطابقت خوبی داشتند. بنابراین، استفاده از روش منطق فازی برای مدل سازی تغییرات غلظت آلاینده ها طی فرایند گیاه پالایی برای سایر مناطق آلوده پیشنهاد می شود.
Keywords:
Authors
فریدا ایرجی آسیابادی
دکتری علوم محیط زیست، دانشکده کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران
سید احمد میرباقری
استاد، دانشکده مهندسی عمران، دانشگاه صنعتی خواجه نصیر طوسی، تهران، ایران
علی اصغر بسالت پور
استادیار، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، 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 :