بررسی کیفیت آب زیرزمینی آبخوان دشت گناباد خراسان رضوی با استفاده از روش های آماری چند متغیره و هوش مصنوعی
محل انتشار: مجله مهندسی منابع معدنی، دوره: 2، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 352
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MHRE-2-1_004
تاریخ نمایه سازی: 19 آذر 1400
چکیده مقاله:
با توجه به اهمیت مطالعه آب های زیرزمینی در زمینه شرب، صنعت و کشاورزی، بررسی تغییرات کیفی آب می تواند برای بشر حائز اهمیت باشد. در این تحقیق داده های هیدروشیمیایی اخذ شده از چاه های بهره برداری دشت گناباد که در جنوب استان خراسان رضوی واقع شده، طی یک دوره ۵ ساله (از ۸۵ تا ۹۰) مورد مطالعه قرار گرفته است. روش های گرافیکی و همچنین طبقه بندی کیفیت آب زیرزمینی نشان می دهد که تیپ آب دشت عمدتا سدیک- سولفاته است. بررسی توزیع فضایی کیفیت آب با استفاه از مدل آمار چند متغیرهR-mode نشان می دهد که کیفیت آب در دشت متاثر از ۲ فاکتور است. فاکتور اول که ترکیب خطی عوامل Ca۲+،Mg۲+،Na+، So۴۲-، Cl-، TH و EC است به عنوان فاکتور شوری و سختی آب در دشت شناخته می شود. فاکتور دوم ترکیب HCo۳-، CO۳۲- و pH است که بیانگر آلکالینیته آب بوده که بار فاکتوری بالای pH موید آن است. در ادامه مدلسازی پارامترهای کیفیTDS، EC و TH آب زیرزمینی با استفاده از پارامترهای شیمیایی یعنی یونهای اصلی و pH با شبکه های عصبی مصنوعی انجام شد. مقایسه نتایج حاصل از پیش بینی شبکه عصبی با داده های صحرایی نشان دهنده قابلیت بالای این روش برای پیش بینی کیفیت آب از روی فقط چند کاتیون و آنیون و pH است، بنابراین در صورت کمبود مطالعات در یک منطقه می توان از این مدل ها برای پیش بینی کیفیت آب در نقاط مجهول استفاده کرد. نتایج مطالعه برای مدیریت زیست محیطی و بهره برداری بهتر از منابع آب زیرزمینی مفید است.
کلیدواژه ها:
نویسندگان
رضا روکی
استادیار گروه مهندسی معدن، دانشگاه صنعتی بیرجند
احمد آریافر
دانشیار گروه مهندسی معدن، دانشکده مهندسی، دانشگاه بیرجند
جعفر عادلی نسب
کارشناسی ارشد مهندسی اکتشاف معدن، دانشگاه بیرجند
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :