تخمین زمانی و مکانی متغیرهای کیفیت منابع آب های زیرزمینی بر مبنای روش های هوشمند
Publish place: Journal of Water and Soil Science، Vol: 27، Issue: 3
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 52
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-27-3_005
تاریخ نمایه سازی: 30 آذر 1402
Abstract:
منابع آب های زیرزمینی به عنوان یکی از ضروری ترین نیازهای بشر نﻘش کلیدی در فرایندهای اقتصادی و سیاسی جوامع دارد. تغییرات اقلیمی و کاربری اراضی، کمیت و کیفیت منابع آب های زیرزمینی محدوده مطالعاتی تهران-کرج را با چالش های جدی مواجه کرده است. هدف اصلی در این مطالعه، توسعه روشی مبتنی بر مدل های هوشمند منفرد شامل روش های سامانه استنتاجی فازی- عصبی تطبیقی (ANFIS) و برنامه ریزی بیان ژن (GEP) و ترکیبی- موجک (WANFIS، WGEP) برای تخمین زمانی و مکانی متغیرهای سختی کل (TH)، کل مواد جامد محلول (TDS) و هدایت الکتریکی (EC) در منابع آب های زیرزمینی محدوده تهران-کرج در دوره آماری ۱۷ ساله (۱۳۹۹-۱۳۸۳)، است. نتایج نشان داد که مدل های ترکیبی- موجک نسبت به مدل های منفرد در تخمین سه متغیر منتخب از عملکرد بیشتری برخوردار هستند. به طوری که درصد بهبود عملکرد مدل WANFIS نسبت به ANFIS و مدل WGEP نسبت به GEP با در نظر گرفتن شاخص ارزیابی ریشه میانگین مربعات خطا (RMSE) به ترتیب برای سه متغیر TH، TDS و EC (۱۸/۰۱۸, ۲۳/۷۱۳ درصد)، (۱۲/۵۸۱، ۳۳/۱۱۶ درصد) و (۶/۴۳۳، ۱۲/۹۹۵ درصد) به دست آمد. نتایج حاکی از انطباق بسیار زیاد مکانی و زمانی مقادیر تخمینی مدل WGEP با مقادیر مشاهداتی برای هر سه متغیر کیفی در محدوده تهران-کرج، است. نتایج نشان داد که غلظت متغیرهای کیفی منابع آب های زیرزمینی از شمال به سمت جنوب محدوده مطالعاتی در هر سه متغیر کیفی روند صعودی دارد. در مناطق شهری آلودگی های ناشی از فاضلاب و افزایش جمعیت و همچنین در مناطق کشاورزی استفاده از کودهای شیمیایی، نفوذ آنها به منابع آب های زیرزمینی و برداشت بی رویه از منابع آب های زیرزمینی باعث تشدید آلودگی آنها می شود. بنابراین، در محدوده مطالعاتی تهران-کرج تغییرات اقلیمی و نوع کاربری اراضی به شدت با وضعیت کیفیت منابع آب زیرزمینی رابطه مستقیم دارد.
Keywords:
Climate , Groundwater , Zoning , Quality , Artificial Intelligence , کلیدی: اقلیم , آب های زیرزمینی , پهنه بندی , کیفیت , هوش مصنوعی
Authors
علیرضا عمادی
Sari Agricultural Sciences and Natural Resources University
رامین فضل اولی
Sari Agricultural Sciences and Natural Resources University
سروین زمان زاد قویدل
Deneshvaran Omran-Ab Consulting Engineers
رضا سبحانی
Sari Agricultural Sciences and Natural Resources University
سروش نصرتی اختر
Sari Agricultural Sciences and Natural Resources University
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 :