مدل ریاضی کمی و کیفی آبهای زیرزمینی دشت مشهد

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,403

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCHYDROGEOLOGY01_051

تاریخ نمایه سازی: 1 شهریور 1388

چکیده مقاله:

منابع آب زیرزمینی درکشورهایی نظیر کشور ما که در منطقه خشک و نیمه خشک واقع شده و بیشتر بخشهای آن فاقد منابع آب سطحی قابل ملاحظه می باشد از اهمیت بسزایی برخوردار است بنابراین حفظ و حراست از منابع مذکور و برنامه ریزی کوتاه مدت و بلندمدت در راستای بهره وری بهینه از این منابع ارزشمند ضروری می باشد. متاسفانه در حال حاضر بعلت عدم اجرای مدیریت صحیح بیشتر آبخوانهای کشور بخصوص در نواحی خشک از جمله دشت مشهد در طی سالهای اخیر با افت سطح ایستابی و کاهش حجم ذخیره مواجه بوده و بعضاً نیز در معرض آلودگی انواع آلاینده ها قرار دارند. با توجه به این امر برنامه ریزی های مدیریتی باید به سمتی سوق پیدا نماید که ضمن تایید نیازهای آبی، روند افت کمی آبخوانها را کاهش داده و بهبود کیفی آنها را نیز در پی داشته باشد. با توجه به اینکه یکی از شاخصهای اصلی آلوده بودن آبخوانها، آلودگی آنها به نیترات می باشد. در این تحقیق نیز سعی شده است تا با تهیه مدل ریاضی کمی و کیفی آبخوان دشت مشهد، رفتار آبخوان با تکیه بر یون نیترات برای 12 سال آینده شبیه سازی و پیش بینی گردد. با توجه به اهداف تحقیق حاضر و به منظور تهیه مدل ریاضی کمی و کیفی آبخوان دشت مشهد در ابتدا آمار و اطلاعات مورد نیاز جهت تهیه مدل مفهومی این از دشت از جمله آمار و اطلاعات هواشناسی، هیدرولوژی و هیدروژئولوژی جمع آوری و مورد تجزیه و تحلیل قرار گرفت. سپس مدل مفهومی این دشت تهیه و پس از انجام عملیات واسنجی 1 و صحت سنجی 2 مدل ریاضی کمی و کیفی آبخوان دشت مشهد بدست آمد. نتایج نهایی مدلسازی کمی و کیفی آبخوان دشت مشهد درمحدوده شهر مشهد نشان میدهد که در سالهای آتی (سال 1400 شمسی) مشکل آلودگی نیترات برای بخشهای عمده ای از مرکز و شرق دشت کماکان پابرجا بوده و غلظت آلاینده نیترات دراین مناطق بیشتر از حد مجاز (45 میلی گرم در لیتر ) می باشد.

نویسندگان

علی وثوق

دانشجوی کارشناسی ارشد عمران - محیط زیست - دانشگاه تهران

اکبر باغوند

استادیار دانشکده محیط زیست - دانشگاه تهران

سیدمهران ابطحی

دانشجوی کارشناسی ارشد عمران - محیط زیست - دانشگاه تهران

سیدمهدی قلی زاده

دانشجوی کارشناسی ارشد عمران - محیط زیست - دانشگاه تهران

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 :
  • Akaike, H., 1969. Fitting autoregressive models for prediction. Annals of ...
  • Ahn, H., 2000. Modeling of groundwater heads based On second-order ...
  • Aqil, M., Kita, I., Yano, A., Nishiyama, A., 2007. Analysis ...
  • Agarwal, A., Mishra, S.K., Ram, S., Singh, J.K., 2006. Simulation ...
  • Basheer, I.A., Hajmeer, M., 2000. Artificial neural networks: fundamentals, computing, ...
  • design, and application. Journal of Microb iological Methods 43 (1), ...
  • Coulibaly, P., Anctil, F., Aravena, R., Bobe e, B., 2001. ...
  • Daliakopoulos, I.N., Coulibaly, P., Tsanis, I.K., 2005. Groundwater level forecasting ...
  • French, M.N., Karjewski, W.E., Cuykendall, R.R., 1992. Rainfall forecasting in ...
  • Fu, L., 1995. Neural Networks in Computer Intelligence. McGraw-Hill, New ...
  • Govindaraju, R.S., 2000a. Artificial neural networks in hydrology I: preliminary ...
  • Govindaraju, R.S., 2000b. Artificial neural networks in hydrology II: hydrologic ...
  • Hipel, K.M., Mcleod, A.I., 1994. Time Series Modeling of Water ...
  • Environmentl Systems. In: Developments in Water Science, vol. 45. Elsevier ...
  • Hannan, E.J., Quinn, B.G., 1979. The determination of the order ...
  • Hassoun, S.J., 1995. B ackprop agation : SOme comments and ...
  • Jiang, S.Y., Ren, Z.Y., Xue, K.M., Li, C.F., 2008. Application ...
  • Koutsoyiannis, D., 2000. A generalized mathematical framework for stochastic simulation ...
  • Kuo, Y.M., Liu, C.W., Lin, K.H., 2004. Evaluation of the ...
  • McCulloh, W.S., Pitts, W., 1943. A logical calculus of the ...
  • Master, T., 1994. Prac ti c a]N eur alNetworkRe cipes ...
  • Mehrdadi, N., Nabi bidhendi, G.R., Nasrabadi, T., Hoveidi, H., Amjadi, ...
  • Mehrdadi, N., Ghobadi, M., Nasrabadi, T. and Hoveidi, H. "Evaluating ...
  • Nabi Bidhendi, G. R., Karbassi, A. R., Nasrabadi, T. and ...
  • Nabi Bidhendi, G.R. , Nasrabadi, T. H.R. Sharif Vaghefi, Hoveidi, ...
  • Nash, J.E., Sutcliffe, J.V., 1970. River flow forecasting through conceptual ...
  • Olsson, L., Eklundh, L, 1994. Fourier series foranalysis of temporal ...
  • Raman, H., Sunilkum, N., 1995. Multivariate modeling of water resources ...
  • using artificial neurl networks. Hydrological Sciences Journal 40 (2), 145-163. ...
  • and Applications. Lawrence Erlbaum, NJ, pp. 1-34. ...
  • Sorooshian, S..Gupta, V.K., 1 995 _ Modelc alibration. In: Singh, ...
  • ofWatershed Hydrology. Water Resources Publications, Colorado, pp. 2368. Singh, V.P., ...
  • Shibata, R., 1976. Selection of the order of an autoregressive ...
  • Swingler, K, 1996. Applying Neural Networks: a Practical Guide. Academic ...
  • Wu, J.C., Hu, B.X., Zhang, D.X., Shirley, C., 2003. A ...
  • method of moments for groundwater flow and solute transport in ...
  • نمایش کامل مراجع