عنوان

بررسی آسیب پذیری منابع آب زیرزمینی محدوده ورزقان با تأکید برمقایسه توانایی مدل های کلاسیک و هوش مصنوعی

‭۱۷۰۷۱پ‬

per

بررسی آسیب پذیری منابع آب زیرزمینی محدوده ورزقان با تأکید برمقایسه توانایی مدل های کلاسیک و هوش مصنوعی

/زهراصدقی

: دانشکده علوم طبیعی

، ‮‭۱۳۹۵‬

چاپی

کارشناسی ارشد

زمین شناسی گرایش هیدروئولوژی

‮‭۱۳۹۵/۱۱/۱۶‬

تبریز

زیر حوضه ورزقان با مساحت ‮‭۱۰۰۰‬ کیلومتر مربع در شمال غرب استان آذربایجان شرقی قرار داشته و مساحت دشت آبرفتی حدود ‮‭۵۰۰‬ کیلومتر مربع است .براساس اقلیم نمای آمبرژه آب و هوای غالب در منطقه مورد مطالعه، سرد و نیمه خشک است .اهر چای) رودخانه (تقریبا حوضه آبریز ورزقان را به دو بخش تقسیم کرده و در جهت غرب به شرق تغذیه طبیعی دشت را فراهم می‌صکند .بر طبق نتایج چاه‌صهای اکتشافی و لاگ پیزومترصها در دشت ورزقان دو نوع آبخوان آزاد و تحت فشار وجود دارد .در بررسی هیدروشیمیایی، نتایج روش‌صهای گرافیکی از جمله نمودارصهای استیف و پایپر به ترتیب نشان-دهنده ‮‭۳‬ منشأ مختلف و نیز ‮‭۲‬ تیپ کلی برای آب زیرزمینی منطقه مورد مطالعه شامل تیپ بی کربنات کلسیم و تیپی که در آن هیچ کاتیون و آنیونی غالبی وجود ندارد، است .با استفاده از روش خوشه‌صبندی مرتبه‌صای نیز، داده‌صهای هیدروشیمیایی به ‮‭۳‬ خوشه تقسیم شدند و همچنین روش تجزیه به عوامل، ‮‭۳‬ عامل موثر بر هیدروشیمی منطقه مورد مطالعه را شناسایی کرد که فاکتور‮‭۱‬ و ‮‭۲‬تأثیر سازندصهای زمین-شناسی و فاکتور ‮‭۳‬ تأثیر فعالیت‌صهای انسانی و کشاورزی را بر روی ماهیت آب زیرزمینی نشان می‌صدهد .در این تحقیق از روش‌صهای ‮‭DRASTIC‬ و‮‭SINTACS‬ ، برای ارزیابی آسیب‌صپذیری ذاتی آبخوان چندگانه) آزاد و تحت فشار (دشت ورزقان استفاده شده است .همچنین در این پژوهش، در ارزیابی آسیب‌صپذیری آبخوان تحت فشار نیز برای نخستین بار از روش ‮‭Modified SINTACS‬ استفاده شده است .برای صحت‌صسنجی روش‌صهای کلاسیک از داده‌صهای غلظت نیترات و ضریب همبستگی آن با شاخص آسیب-پذیری در منطقه استفاده شده است .مقایسه نتایج نشان داد که روش ‮‭DRASTIC‬ با داشتن ضریب تبیین ‮‭(R۲)‬ و شاخص همبستگی ‮‭(CI)‬ بالاتر نسبت به روش‮‭SINTACS‬ ، کارایی بالاتری برای ارزیابی آسیب‌صپذیری آبخوان آزاد دشت ورزقان و روش ‮‭Modified SINTACS‬ نتیجه بهتری را نسبت به روش ‮‭DRASTIC‬ برای آبخوان تحت فشار ارائه داده است .با توجه به عدم توانایی روش‌صهای کلاسیک در ارزیابی یکپارچه آبخوان چندگانه و همچنین به دلیل اینکه یکی از عیب‌صهای روش کلاسیک اعمال نظر کارشناسی در وزن‌صدهی و رتبه‌صدهی به پارامترهای آن است، در نتیجه برای بهینه‌صسازی روش ‮‭DRASTIC‬ از مدل‌صهای هوش مصنوعی مانند مدل فازی ساگنو‮‭(SFL)‬ ، فازی ممدانی‮‭((MFL‬ ، فازی لارسن‮‭((LFL‬ ، شبکه عصبی ‮‭(ANN)‬ استفاده شد .در این مدل‌صها پارامترصهای ‮‭DRASTIC‬ به عنوان ورودی مدل و شاخص ‮‭DRASTIC‬ به عنوان خروجی مدل تعریف شدند .ضریب تبیین بین شاخص آسیب‌صپذیری و مقادیر نیترات هریک از مدل‌صهای هوش مصنوعی برای مدل‌های فازی ساگنو، ممدانی، لارسن، شبکه عصبی محاسبه شد .در نهایت از یک مدل نظارت شده ‮‭(SCFL)‬ برای ترکیب نتایج مدل-های هوش مصنوعی استفاده شده و با توجه به نتایج بدست آمده از مدل‌صهای هوش مصنوعی مختلف، مدل ترکیبی به عنوان بهترین مدل انتخاب شد

Suitable management of groundwater resources, as the main source of fresh water supply, is very important. Limited groundwater resources, the excessive witdrawal from aquifers and infiltration of contaminant due to the agricultural, industrial and urban activities impose irreparable damage on the groundwater resources. In the Varzeqan area, groundwater is the main source of water for drinking, industrial and agricultural purposes strongly influenced by latex through mine and animal waste due to the presence of Copper, kaolin and molybdenum mines and development of extensive livestock. The aim of this research includes: 1) hydrogeological and hydrochemical assessment and indentification of the groundwater quality and effective factors; 2) determination of the boundary and characteristics of Varzeqan multiple aquifer; 3) assessment of existing contamination in the groundwater; (4) vulnerability assessment of groundwater using classic methods; (5) optimization of DRASTIC method by artificial intelligence models. The Varzeqan sub-basin, 1000 km2 in area, is located in northwest of Tabriz, East Azerbaijan, of which the Varzeqan alluvial plain area is 500 km2. Based on Emberger (1930), the prevailing climate in the study area is cold and semi-arid. Ahar Chay (River) roughly bisects the basin along its west to east axis and provides a natural recharge to the plain. According to the results of exploratory wells and piezometer logs in Varzeqan plain, there are two types of unconfined and confined aquifer. The results of graphical methods such as Stiff and Piper diagrams indicate 3 different origins and 2 types of groundwater including Ca-HCO3- and no dominant cations and anions in the water type respectively. Using hierarchical clustering, hydrochemical data are divided into 3 clusters and factor analysis method identified 3 factors that affect the hydrochemistry of the area that the factor 1,2 represents the impact of geological formations and factor 3 show the human activity and agricultural impact on nature of groundwater. In this study, DRASTIC, SINTACS methods have been used for assessment of intrinsic vulnerability of the multiple aquifer of Varzeqan plain. Also in order to vulnerability assessment of confined aquifer, Modified SINTACS were used for the first time. Correlation coefficient (R2) of nitrate concentration values and groundwater vulnerability was adopted to verify and compare the results of these methods in the region. The results showed supriority of DRASTIC and Modified SINTACS methods for assessing vulnerability of unconfined and confined aquifers in Varzeqan plain, respectively. In order to overcome to disadvantages of classical methods including inability of integrated assessment of multiple aquifers and using expert judgment for asigning rates and wheights of the parameters, the DRASTIC method have been optimized using individual artificial intelligence models including Sugeno Fuzzy Logic (SFL), Mamdani Fuzzy Logic (MFL), Larsen Fuzzy Logic (LFL) and Artificial Neural Networks (ANN). In these models the DRASTIC parameters were considered as input, and DRASTIC index were used as output. The deterministic coefficient using ANN, SFL, MFL and LFL models calculated. Finally, a Supervised Committee Fuzzy model (SCFL) was used to combine the result of artificial intelligence models, and with regard to the results obtained from the different artificial intelligence models, the SCFL model was chosen as a supreme model

صدقی، زهرا

ندیری، عطاالله، استاد راهنما

صادق فام، سینا، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی