کاربرد روش شبه معکوس پذیری در تعیین توزیع زمانی و مکانی غلظت آلاینده به صورت معکوس در زمان
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 208
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-51-3_014
تاریخ نمایه سازی: 2 خرداد 1402
Abstract:
آلاینده ها معمولا بهصورت نامحسوس و ناگهانی در رودخانه ها تخلیه می شوند که می تواند منشا انسانی و یا طبیعی داشته باشد، لذا یافتن هر چه سریع تر اطلاعاتی از منبع آلاینده برای کاهش خسارات بسیار حائز اهمیت است. آلاینده توسط فرآیندهای جابه جایی-پراکندگی در رودخانه انتشار پیدا می کند. پس می توان با استفاده از حل معکوس رابطه ی جابه جایی-پراکندگی اطلاعاتی از محل و یا زمان انتشار آلاینده بهدست آورد. هدف از انجام این تحقیق حل معکوس رابطه ی جابه جایی-پراکندگی و بهدست آوردن اطلاعاتی از زمان انتشار و داده های سری زمانی غلظت آلاینده تخلیه شده در رودخانه های موردمطالعه است. در این تحقیق برای حل معکوس رابطه ی جابه جایی-پراکندگی از روش شبه معکوس پذیری استفاده شده که در این روش با اضافه کردن ترم پایداری (ترم مشتق چهارم) به رابطه ی جابه جایی-پراکندگی می توان رابطه ی مذکور را به صورت معکوس بدون ناپایدار شدن پاسخ ها حل نمود. برای صحت سنجی مدل از یک مثال فرضی و مطالعه موردی بازه ای از رودخانه کارون بهره برده شده است. روش مذکور با حل معکوس رابطه ی جابه جایی-پراکندگی که موجب گسترش آلودگی در رودخانه می شود، غلظت تجربه شده در نقاط و بازه های مختلف رودخانه را تعیین می نماید. بیش ترین غلظت آلاینده دریافتی هر بازه، زمان دریافت غلظت بیشینه و متوسط غلظت دریافتی هر بازه از نتایج این روش است. نتایج حاکی از آن است که پس بینی مدل شبه معکوس پذیری با دقت بالایی انجام گرفته و روش مذکور در پایداری حل معکوس معادله جابه جایی-پراکندگی موفق عمل نموده است.
Keywords:
Authors
محمد لوشابی
گروه سازه های آبی، دانشکده کشاورزی،دانشگاه تربیت مدرس، تهران، ایران
مهدی مظاهری
گروه سازه های آبی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
جمال محمدولی سامانی
گروه سازه های آبی، دانشکده کشاورزی، دانشگاه تربیت مدرس، 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 :