طراحی بهینه شبکه پایش کیفی آب زیرزمینی با استفاده از نقشه آسیب پذیری آبخوان

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 156

This Paper With 20 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IWRR-16-4_011

تاریخ نمایه سازی: 29 بهمن 1401

Abstract:

بهره برداری بدون برنامه ریزی و بیش از حد مجاز آب زیرزمینی در نواحی ساحلی خطر پیشروی آب شور را افزایش می دهد، بنابراین مدیریت و پایش کیفیت آب در این نواحی از اهمیت بالایی برخوردار است. در این مطالعه، شبکه پایش بهینه با حداقل تعداد چاه ها در آبخوان ساحلی تالش با توجه به نقشه آسیب پذیری آبخوان و ارزیابی دقت شبکه پایش طراحی شد. در این راستا، نقشه آسیب پذیری آبخوان با استفاده از شاخص DRASTIC اصلاح شده تهیه شد و از الگوریتم ژنتیک برای جستجوی بهینه شبکه پایش استفاده شد. در مدل بهینه سازی هم زمان سه هدف حداکثر کردن همبستگی بین شاخص آسیب پذیری و مقدار EC، حداقل کردن تعداد چاه های پایش و حداکثر کردن ضریب نش-ساتکلیف که بیانگر برازش بین توزیع EC محاسبه شده در شبکه پایش موجود و شبکه جدید است، مورد بررسی قرار گرفت. با اعمال ضریب وزنی w برای هدف اقتصادی، سه هدف در یک تابع هدف تعریف شد و وزن های مختلف w ارزیابی شد. نتایج نشان داد که انتخاب جواب بهینه تا حد زیادی به تعیین ضریب وزنی w بستگی دارد و بهترین وزن با توجه به متعادل ترین جواب و با توجه به شاخص آسیب پذیری و دقت شبکه پایش انتخاب شد. نتایج اعتبارسنجی نشان داد که در هر دو دوره بهینه سازی و اعتبارسنجی تخمین های قابل قبولی حاصل شده است. همچنین با توجه به تغییرات کمی و کیفی آب زیرزمینی در درازمدت بهتر است به صورت دوره ای شبکه پایش کیفی آب زیرزمینی ارزیابی و دوباره طراحی شود تا در برنامه ریزی ها و اعمال روش هایی برای بهبود کیفیت آب زیرزمینی موثر باشد.

Authors

هیدی محمودپور

گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران

سمیه جنت رستمی

استادیار گروه مهندسی آب دانشگاه گیلان

افشین اشرف زاده

دانشیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، 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 :