برنامهریزی بهینه احیای آب زیرزمینی آلوده به هیدروکربنهای نفتی محلول
Publish place: First Bioremediation Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 839
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BIOREMEDIATION01_069
تاریخ نمایه سازی: 23 اسفند 1392
Abstract:
آب های زیرزمینی یکی از منابع مهم تامین آب برای مصارف مختلف شرب، کشاورزی و صنعت می باشند. امروزه علاوه بر مشکل کمیت در این بخش از منابع آب، مشکل کیفیت نیز بروز کرده و روزبه روز افزایش می یابد. لذا بررسی و ارزیابی روش های مختلف احیا برای پاک سازی آبخوان های آلوده از اهمیت خاصی برخوردار است. در این تحقیق برای ارزیابی بهترین گزینه طراحی سامانه احیای بیولوژیکی درجای آب زیرزمینی آلوده به هیدروکربن محلول، یک مدل شبیه ساز-بهینه ساز (S-O) توسعه داده شده است. هدف مورد بررسی در این تحقیق، کمینه کردن هزینه طراحی و بهره برداری سامانه میباشد. در این مدل برای شبیه سازی آبخوان مورد بررسی و ارزیابی گزینه های مختلف طراحی، از نرم افزار BIOPLUME II استفاده شده است. همچنین برای یافتن بهترین گزینه طراحی، الگوریتم ژنتیک (GA) مورد استفاده قرار گرفته است. مقایسه نتایج حاصل از این تحقیق با نتایج مطالعات محققان پیشین، حاکی از کارایی خوب مدل توسعه یافته میباشد و موجب بهبود تابع هدف مسئله بهینهسازی به میزان 29/0 درصد، شده است. در صورت عدم اجرای سامانه احیا در آبخوان آلوده مورد بررسی در این تحقیق، غلظت آلاینده باقیمانده در آبخوان بیش از استاندارد پاک سازی موجود در منطقه می باشد. این در حالی است که با اجرای سامانه بهینه احیای بیولوژیکی درجا، بیش ترین غلظت آلاینده باقیمانده در آبخوان پس از گذشت سه سال، به میزان 44/89 درصد خواهش خواهد یافت.
Keywords:
Authors
سارا اکبرنژادنشلی
دانشجوی کارشناسی ارشد
امید بزرگ حداد
استادیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران
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 :