عنوان

مقایسۀ توانایی روش های زمین آماری و هوش مصنوعی جهت تخمین توزیع آلاینده های موجود در منابع آب زیرزمینی دشت خوی

Number

پ۲۶۶۸۵

.Language of Text, Soundtrack etc

per

Title Proper

مقایسۀ توانایی روش های زمین آماری و هوش مصنوعی جهت تخمین توزیع آلاینده های موجود در منابع آب زیرزمینی دشت خوی

First Statement of Responsibility

مهدیه نوری اسفستانی

Name of Publisher, Distributor, etc.

علوم طبیعی

Date of Publication, Distribution, etc.

۱۴۰۰

Specific Material Designation and Extent of Item

۶۹ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

زمین شناسی گرایش زیست محیطی گرایش زیست محیطی

Date of degree

۱۴۰۰/۱۱/۲۵

Text of Note

به طور کلی استفاده از روش¬های درون¬یابی برای تخمین و برآورد متغییر¬های فضایی در علوم آب به خصوص آب زیرزمینی برای مصارف اموری از جمله کشاورزی و شرب و همچنین با اهتمام به زمان¬بر بودن و پر¬هزینه بودن اندازه-گیری پارامتر¬های کیفیت آب زیرزمینی در کل دشت، ارائۀ راهکاری برای تخمین آن¬ها در مناطق دیگر دشت امری ضروری به نظر می¬¬رسد؛ بنابراین روش¬های مختلف درون¬یابی که شامل روش¬های زمین¬آمار و هوش مصنوعی است می توانند در تحقق این هدف مؤثر واقع شوند. هر کدام از این روش¬ها مزایا و معایب خود را دارند. هدف از این پژوهش، مقایسه و بررسی روش¬های شبیه¬سازی زمین¬آماری و هوش مصنوعی جهت تخمین و تحلیل مکانی توزیع آلاینده¬های موجود از قبیل یون¬هایی مثل آرسنیک و نیترات در دشت خوی استان آذربایجان غربی می-باشد. ارائۀ روش¬های جدید برای تخمین آنومالی¬ها می¬تواند در کاهش هزینه¬های آنالیز آب زیرزمینی در این آبخوان و سایر آبخوان¬ها مؤثر باشد. از طرف دیگر توجه به این آبخوان به لحاظ تهدید سلامتی افراد این منطقه به دلیل وجود عناصر آلاینده و سمّی از قبیل آرسنیک و نیترات در آب زیرزمینی در سال¬های اخیر اهمیت ویژه¬ای پیدا کرده است. لذا درون¬یابی این عناصر و تخمین آن¬ها در بخش¬های مختلف با استفاده از علم زمین¬آمار و هوش مصنوعی در دستور کار قرار گرفته است.با در دست داشتن 75 داده و سپس نرمالیزه¬کردن آن¬ها اقدام به درون¬یابی آلاینده¬ها در محیط نرم¬¬افزار جی آی اس و متلب کردیم. در درون¬یابی به روش کریجینگ، مشخص شد که غلظت آرسنیک در جنوب شرقی به خصوص در مناطق ابراهیم زاده- دیزج، جعفری – عذاب و خلیلی و غلظت نیترات در شمال شرقی دشت به خصوص در مناطق بیلوار کنار جاده نساجی و زارعان بیشتر است.با استفاده از روش شبکه¬های عصبی و با استفاده از الگوریتم لونبرگ-مارکوارت مشاهده گردید که روش مورد نظر در پیش¬بینی اندازه مقادیر آرسنیک و نیترات موجود در مکان¬های جغرافیایی که اندازه آن¬ها از قبل اندازه¬گیری نشده است، عملکرد چشمگیری داشته است. الگوریتم مورد نظر برای عنصر آرسنیک دقت 5/91 درصد و برای عنصر نیترات دقّت بالای 57 درصد را پیش¬بینی می¬کند.به طور کلی در این پایان¬نامه مشخص گردید که روش الگوریتم لونبرگ-مارکوارت عملکرد بهتری در شبیه¬سازی درون¬یابی آلاینده¬های مورد نظر دارد. همچنین دقت این روش بالا و خطای آن نیز کمتر است

Text of Note

Abstract: In general, the use of interpolation methods for estimating and estimating spatial variables in water sciences, especially groundwater, for use of such matters as agriculture and drinking, as well as with regard to time-being And the costlyness of measuring groundwater quality parameters in the whole plain seems to be necessary to provide a solution for estimating them in other areas of the plain; Therefore, different interpolation methods including geo-statistics and artificial intelligence methods can be effective in achieving this goal. Each of these methods has its advantages and disadvantages. The aim of this study was to compare and investigate the methods of geostatistical simulation and artificial intelligence to estimate and spatial analysis of the distribution of existing pollutants such as ions such as arsenic and nitrate in Khoy plain of West Azerbaijan province. Presenting new methods for estimating anomalies can reduce groundwater analysis costs in this and other aquifers to be effective. On the other hand, paying attention to this aquifer in terms threatening people's health This region due to the presence of pollutants and toxic elements such as arsenic and nitrate in groundwater in recent years It has gained special importance. Therefore, interpolation of these elements and estimating them in different parts using Geosciences and Artificial Intelligence have been on the agenda. By holding 75 data and then normalizing them, action In the software environment, we GIS and matlab. In interpolation by Kriging method, Arsenic concentrations are higher in southeast and in Ebrahimzadeh-Dizaj, Ja'fari, Torment and Khalili regions and nitrate concentrations in northeast of plain and in Bivar regions along the textile road and farmers. Using neural networks method and Levenberg-Marquardt algorithm, it was observed that the method was used in Predicting the size of arsenic and nitrate values in geographical locations whose size has not been measured before, yields significantly The algorithm predicts 91.5% accuracy for arsenic and 57% accuracy for nitrate element. In general, in this thesis, it was found that Levenberg-Marquardt algorithm has better performance in simulation of the endonization of the desired pollutants. Also, the accuracy of this method is high and its error is also lower.

Variant Title

Comparison of Geostatistics and Artificial Intelligence Methods Performance to Estimate the Distribution of Pollutants in Groundwater Resources of Khoy plain

Entry Element

‏نوری اسفستانی،

Part of Name Other than Entry Element

‏مهدیه

Relator Code

تهيه کننده

Entry Element

‏‏کدخدائی،

Entry Element

ندیری،

Entry Element

سیاه چشم،

Part of Name Other than Entry Element

‏علی

Part of Name Other than Entry Element

‏عطاالله

Part of Name Other than Entry Element

‏کمال

Dates

استاد راهنما

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏تبریز