Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

968
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

564
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بهینه سازی روش DRASTIC با استفاده از هوش مصنوعی برای ارزیابی آسیب پذیری آبخوان چند گانه ی دشت ورزقان

صفحات

 صفحه شروع 1089 | صفحه پایان 1103

چکیده

 با توجه به افزایش جمعیت و توسعه ی فعالیت های کشاورزی و معدنی در دشت ورزقان که سبب افزایش مقادیر نیترات تا پنج برابر استاندارد سازمان بهداشت جهانی (WHO) شده, ارزیابی آسیب پذیری و حفاظت از منابع آب زیرزمینی در این منطقه اهمیت زیادی دارد. در این پژوهش, آسیب پذیری آبخوان چندگانه ی دشت ورزقان در برابر آلودگی به کمک روش DRASTIC در محیط ArcGIS بررسی شده و بهینه سازی روش DRASTIC با استفاده از مدل ANN صورت گرفته است. برای اجرای روش DRASTIC از پارامترهای مؤثر در ارزیابی آسیب پذیری سفره ی آب زیرزمینی شامل عمق سطح ایستابی, تغذیه ی خالص, جنس محیط آبخوان, نوع خاک, شیب توپوگرافی, مواد تشکیل دهنده ی ناحیه ی غیراشباع و هدایت هیدرولیکی استفاده شده که به صورت هفت لایه ی جداگانه برای آبخوان آزاد و تحت فشار تهیه و بعد از رتبه دهی و وزن دهی و تلفیق این هفت لایه شاخص DRASTIC محاسبه شد که براساس نتایج به دست آمده شاخص DRASTIC برای آبخوان آزاد 92-164 و برای آبخوان تحت فشار 48-93 برآورد شد. به منظور بهینه سازی روش DRASTIC, از مدل شبکه ی عصبی مصنوعی استفاده و به این منظور داده های ورودی )پارامترهای (DRASTIC و خروجی (شاخص آسیب پذیری) و مقادیر نیترات مربوط به آن به دو دسته ی آموزش و آزمایش تقسیم شد و پس از آموزش مدل, با استفاده از مقادیر نیترات نتایج مدل در مرحله ی آزمایش ارزیابی شد. نتایج نشان داد مدل شبکه ی عصبی مصنوعی به کار گرفته شده, قابلیت بهبود نتایج روش DRASTICاولیه را دارد. برای صحت سنجی نتایج روش کلاسیک و مدل هوش مصنوعی استفاده شده در این پژوهش, از داده های غلظت نیترات و ضریب همبستگی آن با شاخص آسیب پذیری در منطقه استفاده شد. مدل ANN با داشتن ضریب تعیین (R2) و شاخص همبستگی (CI) بیشتر نسبت به روش DRASTIC و همچنین توانایی ارزیابی یکپارچه ی آبخوان چندگانه و حذف خطای نظر کارشناسی اعمال شده در روش کلاسیک, روش بهتری برای ارزیابی آسیب پذیری آبخوان چندگانه ی دشت ورزقان است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    ندیری، عطااله، صدقی، زهرا، و کاظمیان، نعیمه. (1396). بهینه سازی روش DRASTIC با استفاده از هوش مصنوعی برای ارزیابی آسیب پذیری آبخوان چند گانه ی دشت ورزقان. اکوهیدرولوژی، 4(4 )، 1089-1103. SID. https://sid.ir/paper/254204/fa

    Vancouver: کپی

    ندیری عطااله، صدقی زهرا، کاظمیان نعیمه. بهینه سازی روش DRASTIC با استفاده از هوش مصنوعی برای ارزیابی آسیب پذیری آبخوان چند گانه ی دشت ورزقان. اکوهیدرولوژی[Internet]. 1396؛4(4 ):1089-1103. Available from: https://sid.ir/paper/254204/fa

    IEEE: کپی

    عطااله ندیری، زهرا صدقی، و نعیمه کاظمیان، “بهینه سازی روش DRASTIC با استفاده از هوش مصنوعی برای ارزیابی آسیب پذیری آبخوان چند گانه ی دشت ورزقان،” اکوهیدرولوژی، vol. 4، no. 4 ، pp. 1089–1103، 1396، [Online]. Available: https://sid.ir/paper/254204/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا