ارزیابی آسیب پذیری منابع آب زیرزمینی براساس شکست خط لوله انتقال سوخت تحت شرایط وقوع زمین لرزه با استفاده از روش یادگیری ماشین (ML)

در این پژوهش هدف اصلی ارزیابی آسیب پذیری آب های زیرزمینی بر اساس آسیب شبکه انتقال سوخت شهری در برابر وقوع زلزله بوده است. دراین راستا مطالعه موردی بر روی سیستم انتقال سوخت شهر تهران و آبخوان دشت تهران-کرج انجام شده است. به منظور ارزیابی آسیب لرزه ای خط لوله سوخت مدفون تهران براساس مشخصات اجزای شبکه انتقال سوخت، سه سناریوی احتمالی زلزله در منطقه مورد مطالعه قرار گرفت. برای ارزیابی آسیب در خط لوله، مدلی جامع با استفاده از روش یادگیری ماشین توسعه داده شده است. این مدل قابلیت ارزیابی و پیش بینی آسیب و نوع آسیب (نشتی، شکست کامل) در خط لوله را دارد. همچنین ارزیابی آلودگی آبخوان با بهره گیری از مدل DRASTIC انجام شده است. نتایج نشان داد که مدل ارزیابی آسیب لرزه ای خط لوله براساس روش یادگیری ماشینی عملکرد خوبی در پیش بینی آسیب لرزه ای شبکه انتقال سوخت دارد به طوری که ریشه میانگین مربع خطا (RMSE) و ضریب همبستگی (R) برای داده های آزمون به ترتیب برابر با ۰۰۴/۰ و ۹۹/۰ بود. نتایج این تحقیق نشان داد که میزان خسارت وارده به شبکه انتقال سوخت تهران بر اساس سناریوی زلزله با بزرگای ۶ ریشتر، ۲۴ نشتی و ۶ خرابی و بر اساس سناریوی با بزرگای زلزله ۷ ریشتر ۲۷ نشتی و ۸ خرابی بوده است با ارزیابی نتایج نقشه های آلودگی سفره های زیرزمینی حاصل از مدل DRASTIC مشخص گردید که ۴۰ درصد آبخوان تهران دارای پتانسیل آلودگی متوسط و ۱۵ درصد دارای پتانسیل آلودگی پایین در سناریوی لرزه ای با بزرگای ۶ ریشتر بوده است همچنین ۵۲ درصد دارای پتانسیل آلودگی متوسط و ۱۹ درصد دارای پتانسیل آلودگی پایین در سناریوی لرزه ای با بزرگای ۷ ریشتر بوده است مدل توسعه یافته (مدل ارزیابی آسیب لرزه ای آب های زیرزمینی) می تواند در سایر موارد مشابه و به عنوان بستری برای تحلیل های تکمیلی بیشتر مورد استفاده قرار گیرد.

ارزیابی آسیب پذیری منابع آب زیرزمینی براساس شکست خط لوله انتقال سوخت تحت شرایط وقوع زمین لرزه با استفاده از روش یادگیری ماشین (ML) Keywords:

آسیب پذیری لرزه ای , آلودگی آب زیرزمینی , خط لوله سوخت , روش یادگیری ماشین , مدل DRASTIC