%34تخفیف
برآورد نیترات آب زیرزمینی با استفاده از روشهای زمینآمار و مدلهای هوش مصنوعی
تعداد 159 صفحه در فایل word
گروه مهندسی آب
کارشناسی ارشد در رشته مهندسی منابع آب
گروه مهندسی آب
کارشناسی ارشد در رشته مهندسی منابع آب
برآورد نیترات آب زیرزمینی با استفاده از روشهای زمینآمار و مدلهای هوش مصنوعی
برآورد نیترات آب زیرزمینی با استفاده از روشهای زمینآمار و مدلهای هوش مصنوعی
چکیده
با افزايش بيرويه جمعيت در سالهاي اخير، افزايش نيازهاي آبي و محدوديت منابع آبهاي سطحي و برداشت بي رويه از سفرههاي آب زيرزميني باعث به بار آمدن خسارات جبرانناپذيري به محيط زيست و منابع طبيعي كشور در سالهاي گذشته شدهاست. كمبود آب و كاهش كيفي منابع آب از عوامل اصلي آلودگي تدريجي منابع آب زيرزميني استان خراسان رضوی محسوب ميگردد. آبخوان دشت مشهد به عنوان يكي از مهمترين آبخوانها برای تأمین منابع آبي مورد نیاز در استان خراسان رضوي میباشد. استحصال بيرويه منابع آبی دشت باعث افت متوسط سالانه 77 سانتيمتر در سطح ايستابي شده و کیفیت آب منطقه را نیز کاهش دادهاست. علاوه بر آن ورود فاضلابهای شهری و کودها و سمومی که در کشاورزی مصرف شده و همراه با آب نفوذی به لایههای آبدار میرسد، كيفيت آبهاي زيرزميني را به شدت كاهش دادهاست. آلودگي آبهاي زيرزميني كه معمولاً بر اثر مديريت غلط استحصال آب زيرزميني رخ ميدهد مقدمهاي بر تخريب ساير منابع چه به صورت مستقيم و چه به صورت غير مستقيم است. اين تحقيق با هدف بررسي تغييرات برخي از خصوصيات كيفي آب زيرزميني با استفاده از روشهاي زمينآماري و تعيين روند آلودگي آبهاي زيرزميني دشت مشهد انجام گرفت. پارامترهاي نیترات، سدیم، کلر و هدایت الکتریکی از خصوصيات آب زيرزميني انتخاب شدند. بنابراین بررسی کیفیت آب زیرزمینی در مطالعات و تحقيقات آبهاي زيرزميني از اهمیت زیادی برخوردار است. در اين راستا، مديريت سيستم منابع آبهاي زيرزميني كه در آن اتخاذ هرگونه تصميمي با درنظرگرفتن دو معيار كميت و كيفيت آب مطرح باشد، نياز به ابزاري دارد تا بتواند با توجه به اطلاعات فعلي و متغيرهاي تصميمگيري، وضعيت سفره را در آينده پيشبيني نمايد. در این تحقیق ما از روشهای زمینآمار و هوش مصنوعی جهت تخمین میزان نیترات استفاده کردیم. آخرین آمار نیترات اندازهگیری شده در تعداد 246 چاه در طی سالهای 85 تا 87 مبنای تجزیه و تحلیل مکانی و زمانی قرار گرفت برای مقایسه روشها از تکنیک اعتبارسنجی متقابل با معیارهای ارزیابی مجذور مربعات خطا (RMSE) و میانگین قدرمطلق خطا (MAE) استفاده گردید. نتایج حاصله از این تحقیق نشان داد که میزان نیترات دارای همبستگی مکانی متوسط در این دشت میباشد. نتایج حاصل از اعتبار سنجی متقابل نیز حاکی از این است که در بین روشهای استفاده شده، روش لوگنرمال کریجینگ با داشتن حداقل RMSE و MAE از دقت بالاتری برخوردار میباشد هرچند که اختلاف آن با روش کریجینگ معمولی بسیار ناچیز میباشد. روش کریجینگ شاخص کمترین دقت را در برآورد میزان نیترات آب زیرزمینی داراست. در شبیهسازی میزان نیترات توسط مدلهای هوش مصنوعی با ورودیهای سدیم، کلر و هدایت الکتریکی نشان از برتری شبکه عصبی نسبت به نروفازی دارد.
واژگان كليدی: دشت مشهد، کریجینگ، هوش مصنوعی.
دسته: فنی و مهندسی, کشاورزی و منابع طبیعی
برچسب: کریجینگ, هوش مصنوعی, واژگان كليدی: دشت مشهد