پایان نامه کارشناسی ارشد رشته مهندسی عمران

موضوع:

بررسی آلودگی نیترات در آبهای زیرزمینی بخشی از استان اصفهان و شبیه‌سازی آن با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

چکیده

آلودگی منابع آب زیرزمینی به نیترات در حال حاضر یکی از مهمترین مسایل زیست محیطی و پارامتر مؤثر در کشاورزی پایدار می‌باشد. استان اصفهان در منطقه خشک و نیمه خشک قرار دارد و به علت خشکسالی در چند سال اخیر, استفاده از آبهای زیرزمینی برای کشاورزی و تأمین آب شرب شهرها و روستاها اهمیت بسیار زیادی یافته است. از طرف دیگر مصرف بیش از حد کودهای نیتروژن‌دار برای دستیابی به محصول بیشتر بدون توجه به تأثیر آن بر خصوصیات خاک, محصولات کشاورزی و انسان باعث افزایش آلودگی محیط زیست گردیده است. هدف از انجام این تحقیق بررسی آلودگی نیترات در آبهای زیرزمینی بخشی از استان اصفهان و شبیه‌سازی آن با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک می‌باشد. به منظور انجام این تحقیق از داده‌های آنالیز کیفی آبهای زیرزمینی مربوط به بخش (الف) 175 حلقه چاه در 5 مرحله نمونه‌برداری با فواصل زمانی یک ماهه از دی‌ماه 1379 تا اردیبهشت‌ماه 1380 و بخش (ب) 300 حلقه چاه نمونه‌برداری شده مربوط به سال‌های 1386 و 1387 استفاده گردید.

توزیع آلودگی نیترات در مناطق مورد مطالعه رابطه بسیار نزدیکی با وسعت و شدت فعالیت‌های کشاورزی داشته است. بطوری که بیشترین غلظت نیترات مربوط به دشت‌های وسیع کشاورزی نجف آباد، اصفهان و شهرضا و کمترین غلظت مربوط به منطقه نطنز و کاشان بود. از لحاظ کاربری اراضی محدوده چاه، مشاهده گردید که متوسط مقدار نیتروژن نیتراتی در مناطق صنعتی بیشتر از مناطق کشاورزی و مناطق کشاورزی بیشتر از مناطق شهری می‌باشد. از نظر تغییرات زمانی غلظت نیترات از دی‌ماه تا اردیبهشت‌ماه, در اکثر مناطق روند افزایشی در طول زمستان و روند کاهشی با شتاب کمتر در بهار مشاهده شد. بیشترین غلظت نیترات معمولاً مربوط به اواخر زمستان و اوایل بهار بوده است که دلیل آن می‌تواند شستشوی نیترات در اثر بارندگی زمستان و نیز شروع فصل کاشت باشد. در تعدادی از چاه‌های شرب مورد مطالعه مقدار نیترات بیشتر از حد مجاز می‌باشد که لازم است بهره‌برداری از آنها تا بر طرف شدن آلودگی متوقف گردیده و برنامه‌های مدیریتی برای کاهش نیترات و جلوگیری از آلوده شدن دیگر چاه‌ها به کار بسته شود.

شبیه‌سازی مقدار نیتروژن نیتراتی با استفاده از مقادیر کلر, بی‌کربنات, سدیم, پتاسیم, کلسیم, منیزیم, سولفات, هدایت الکتریکی، سختی کل، نسبت جذبی سدیم و PH نمونه‌ها صورت پذیرفت و از شبکه پرسپترون سه لایه (MLP) استفاده شده و قاعده آموزشی انتشار به عقب و تابع فعالیت سیگموئید برای فرآیند آموزش به کار گرفته شدند که پس از آزمایش‌های مکرر، شبکه­ای با یک لایه پنهان و ۱۹ نرون در این لایه، کمترین مقدار خطا را در روند آموزش شبکه، ارزیابی و اعتبارسنجی ایجاد نموده و بهترین اعتبار سنجی در گام 3 آموزش و میانگین مجذور خطا (MSE) برابر مقدار 0209/0 حاصل گردید. مقدار ضریب همبستگی مدل (R)، 89/0 بدست آمد که درحد قابل قبول بوده و نشان می‌دهد مدل ارائه شده قادر است به خوبی هدف تحقیق را برآورده سازد. آنالیز حساسیت مدل نسبت به متغییرهای ورودی با استفاده از روش Statsoft صورت گرفت و تغییرات ضریب حساسیت بین 76/0 و 2/1 بدست آمد که نشان می‌دهد بیشترین تأثیر بر مدل توسط پارامترهای هدایت الکتریکی و PH و کمترین تأثیر توسط سدیم اعمال می‌گردد.

براي دانلود متن کامل پايان نامه کليک کنيد

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 566