روش جدید مبتنی بر اعداد Z برای ارزیابی آسیب پذیری ویژه آب های زیرزمینی مطالعه موردی: دشت های اردبیل و قروه-دهگلان

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 13

فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HYD-11-38_006

تاریخ نمایه سازی: 9 اردیبهشت 1403

چکیده مقاله:

سیستم های ارزیابی آسیب پذیری آب های زیرزمینی برای دستیابی به روشی مناسب برای حفاظت از این منابع در برابر آلاینده ها توسعه یافته اند. یکی از روش های شناخته شده برای تعیین حساسیت آب های زیرزمینی، روش DRASTIC است. از آنجایی که ارزیابی آلودگی آب های زیرزمینی اغلب با عدم قطعیت همراه است، مطالعه حاضر از مفهوم اعداد Z به عنوان نسل جدیدی از منطق فازی برای تخمین آسیب پذیری ویژه آبخوان ها استفاده کرده است. در این مطالعه، از پارامترهای مدل DRASTIC (ورودی ها) و مقادیر غلظت نیترات (خروجی) در دو سناریو برای برآورد آسیب پذیری ویژه آبخوان های دشت های اردبیل و قروه- دهگلان استفاده شد و نتایج به دست آمده با نتایج مدل DRASTIC به عنوان مدل معیار مقایسه شد. تجزیه وتحلیل نتایج نشان داد که مدل سازی مبتنی بر اعداد Z به دلیل درنظرگرفتن قابلیت اطمینان داده ها و تخصیص وزن مناسب به قوانین، کیفیت نتایج را نسبت به منطق فازی کلاسیک به میزان ۵۳ درصد (برای سناریوی اول)، ۱۸۴ درصد (برای سناریوی دوم) در دشت اردبیل و ۱۲۷ درصد (برای سناریوی اول)، ۳۱۱ درصد (برای سناریوی دوم) در دشت قروه_دهگلان بهبود بخشید. همچنین بر اساس نتایج، ممکن است کیفیت قوانین استخراج شده برای مدل مبتنی بر اعداد Z در دشت هایی با ضریب تغییرات داده بالاتر، پایین باشد (برای مثال ضریب تغییرات داده بالای دشت اردبیل نسبت به دشت قروه_دهگلان در این مطالعه)، بنابراین در این شرایط، نتایج مدل مبتنی بر اعداد Z ممکن است بهبود قابل توجهی نسبت به نتایج منطق فازی مرسوم نداشته باشد. روش پیشنهادی در این مطالعه به دلیل قابلیت بالای آن می تواند برای طراحی کنترل کننده های هوشمند مدیریت آب زیرزمینی مورد استفاده قرار گیرد.

نویسندگان

ثنا ملکی

گروه مهندسی آب و محیط زیست،دانشکده عمران، دانشگاه تبریز

وحید نورانی

گروه مهندسی آب و محیط زیست،دانشکده عمران، دانشگاه تبریز

حسام نجفی

گروه مهندسی آب و محیط زیست،دانشکده عمران، دانشگاه تبریز

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 :
  • Akbarian Saravi, N., Yazdanparast, R., Momeni, O., Heydarian, D., Jolai, ...
  • Aliev, R.A., Huseynov, O.H., Aliyev, R.R., Alizadeh, A.A., ۲۰۱۵. The ...
  • Aliev, R.A., Pedrycz, W., Huseynov, O.H., Eyupoglu, S.Z., ۲۰۱۶. Approximate ...
  • Aller, L., ۱۹۸۵. DRASTIC: a standardized system for evaluating ground ...
  • Almasri, M.N., ۲۰۰۸. Assessment of intrinsic vulnerability to contamination for ...
  • Antonakos, A.K., Lambrakis, N.J., ۲۰۰۷. Development and testing of three ...
  • Baalousha, H.M., Tawabini, B., Seers, T.D., ۲۰۲۱. Fuzzy or non-fuzzy? ...
  • Bayatikhatibi, M., Rostami, F., Valizadeh Kamran, K., ۲۰۲۲. Investigation and ...
  • Chakraborty, B., Roy, S., Bera, A., Adhikary, P.P., Bera, B., ...
  • Dhanya, C.T., Kumar, D.N., ۲۰۰۹. Data mining for evolving fuzzy ...
  • Duhalde, D.J., Arumí, J.L., Oyarzún, R.A., Rivera, D.A., ۲۰۱۸. Fuzzy-based ...
  • Feizizadeh, B., Abdollahi, Z., & Shokati, B., ۲۰۲۲. A GIS-based ...
  • Ghosh, R., Sutradhar, S., Mondal, P., Das, N., ۲۰۲۱. Application ...
  • Glukhoded, E.A., Smetanin, S.I., ۲۰۱۶. The method of converting an ...
  • Gogu, R.C., Dassargues, A., ۲۰۰۰. Current trends and future challenges ...
  • Gutiérrez-Estrada, J.C., Pedro-Sanz, E.de., López-Luque, R., Pulido-Calvo, I., ۲۰۰۴. Comparison ...
  • Han, J., Kamber, M., Pei, J., ۲۰۱۱. Data mining: concepts ...
  • Kadkhodaie, I.F., Asghari, M.A., Barzegar, R., Gharehkhani, M., ۲۰۲۰. Comparison ...
  • Kóczy, L.T., Hirota, K., ۱۹۹۱. Rule interpolation by ?-level sets ...
  • Mamdani, E.H., ۱۹۷۷. Application of fuzzy logic to approximate reasoning ...
  • Mehr, A.D., Nourani, V., Hrnjica, B., Molajou, A., ۲۰۱۷. A ...
  • Najafi, H., Nourani, V., Sharghi, E., Roushangar, K., Dąbrowska, D., ...
  • Nourani, V., Maleki, S., Najafi, H., Baghanam, A. H., ۲۰۲۳. ...
  • Nourani, V., Najafi, H., Maleki, S., Paknezad, N. J., Huang, ...
  • Nourani, V., Najafi, H., Sharghi, E., Roushangar, K., ۲۰۲۱. Application ...
  • Novinpour, E.A., Moghimi, H., Kaki, M., ۲۰۲۲. Aquifer vulnerability based ...
  • Patel, P., Mehta, D., Sharma, N., ۲۰۲۲. A review on ...
  • Piscopo, G., ۲۰۰۱. Groundwater vulnerability map explanatory notes—Castlereagh Catchment. NSW ...
  • Shakoor, A., Khan, Z.M., Farid, H.U., Sultan, M., Ahmad, I., ...
  • Sharghi, E., Paknezhad, N.J., Najafi, H., ۲۰۲۱. Assessing the effect ...
  • Stigter, T.Y., Ribeiro, L., Dill, A.M.M., ۲۰۰۶. Evaluation of an ...
  • Takagi, T., Sugeno, M., ۱۹۸۵. Fuzzy identification of systems and ...
  • Yu, H., Wu, Q., Zeng, Y., Zheng, L., Xu, L., ...
  • Zadeh, L.A., ۱۹۶۵. Electrical engineering at the crossroads. IEEE Trans. ...
  • Zadeh, L.A., ۱۹۷۳. Outline of a new approach to the ...
  • Zadeh, L.A., ۲۰۱۱. A note on Z-numbers. Inform. Sci. ۱۸۱ ...
  • Ziaye Shendershami, S., Esmali Ouri, A., Mostafazadeh, R., Ghorbani, A., ...
  • نمایش کامل مراجع