تأثیر نمونه‌برداری‌های متوالی از منابع آب زیرزمینی بر تحلیل داده‌های حاصل از شبکه‌های‌ پایش

یکی از دلایل افزایش آلودگی منابع آب زیرزمینی کشور، عدم تشخیص به موقع وجود برخی از منابع آلوده‌کننده است که از جمله این منابع آلوده‌کننده می‌توان به پالایشگاه‌های موجود در کشور اشاره کرد. یکی از راهکارهای مناسب در رفع این مشکل، طراحی و اجرای یک سیستم پایش کیفی توانمند برای تشخیص به موقع نشت آلاینده‌ها از این منابع احتمالی آلودگی است. در این مقاله با توجه به اهمیت تشخیص به موقع آلودگی در منابع آب زیرزمینی، یک مدل غیرقطعی برای تحلیل احتمالاتی داده‌های پایش برای تعیین محل و میزان نشت از منبع آلودگی مبتنی بر نمونه‌برداری‌های متوالی از آب زیرزمینی ارائه شده است. الگوریتم پیشنهادی از بخش‌های مختلفی مانند تحلیل مونت‌کارلو، شبیه‌سازی خودکار کمی و کیفی آبخوان توسط مدلهای MODFLOW و MT3D و همچنین آموزش و صحت‌سنجی شبکه‌های بیزی تشکیل شده است. داده‌های حاصل از سیستم پایش برای دو حالت مختلف، یک نمونه‌برداری و دو نمونه‌برداری متوالی، به صورت احتمالاتی تحلیل و مقایسه می‌‌شوند. کارایی الگوریتم پیشنهادی با استفاده از اطلاعات آبخوان تهران در منطقه پالایشگاه تهران ارزیابی شده است. نتایج نشان‌دهنده کارایی مناسب نمونه‌‌برداری‌های متوالی در تخمین محل و میزان نشت فراوردهای نفتی در محدوده طرح می‌‌باشند.