ارزیابی کیفیت آب زیرزمینی برای مصارف شرب با استفاده از مدل استنتاج فازی (مطالعۀ موردی: دشت مرودشت)

نوع مقاله : پژوهشی

نویسندگان

1 استادیار گروه انرژی‏ های نو و محیط زیست، دانشکدۀ علوم و فنون نوین، دانشگاه تهران

2 دانشجوی کارشناسی ارشد اکوهیدرولوژی، دانشکدۀ علوم و فنون نوین، دانشگاه تهران

3 دانشیار گروه انرژی‏ های نو و محیط زیست، دانشکدۀ علوم و فنون نوین، دانشگاه تهران

چکیده

آب‏های زیرزمینی از منابع مهم بهره‏برداری در مناطق خشک و نیمه‏خشک‌اند. برداشت بی‏رویۀ آب‏های زیرزمینی و افزایش آلودگی‏های زیست‏محیطی، سبب شده که بررسی کیفیت آب‏های زیرزمینی این دشت امری مهم تلقی شود. در مطالعۀ حاضر با توجه به قابلیت‏های روش فازی سعی بر مقایسۀ روش‏های مرسوم قطعی و مدل استنتاج فازی ممدانی شده است. از داده‏های 30 حلقه چاه عمیق و نیمه‏عمیق طی سال آبی 1389ـ 1390 به‏منظور بررسی کیفیت آب شرب دشت مرودشت استفاده‏ شده و با طراحی یک سیستم استنتاج فازی با استفاده از توابع عضویت و ترکیب این توابع بر اساس قوانین «اگر_آن‌گاه» فازی کیفیت نهایی آب از نظر شرب تعیین شده است. با توجه به نتایج پژوهش در روش قطعی تعداد نُه، 10 و 11 چاه به‌ترتیب در ردۀ مطلوب، قابل ‏قبول و غیرقابل ‏قبول قرار گرفته، این در حالی است که در روش ارزیابی استنتاج فازی به‌ترتیب هشت، نُه و 13 چاه در ردۀ مطلوب، قابل ‏قبول و غیرقابل ‏قبول قرار گرفته است؛ که تفاوت این دو روش را می‏توان به مقادیر فراسنج‏های کیفی حدی در نظر گرفت. پهنه‏بندی شاخص کیفی آب زیرزمینی دشت نشان داد بیشترین مساحت اختصاص داده‏شده مربوط به کیفیت غیرقابل‏ قبول که برای روش استنتاج فازی 83/50 درصد و برای روش قطعی 45/51 درصد برآورد شده و طبقۀ مطلوب در روش قطعی و فازی به‌ترتیب 76/28 و 85/26 درصد و طبقۀ قابل ‏قبول نیز در روش قطعی و فازی به‌ترتیب 79/19، 32/22 درصد است. اعتبارسنجی با استفاده از روش میـانگین نـسبی مربـع خطاها (RMSE) برای دو روش قطعی و فازی به‌ترتیب برابر با 98/12 و 68/8 به دست آمده است؛ بنابراین روش استنتاج فازی را می‏توان ابزاری ساده و مفید برای سنجش کیفیت آب برای مصارف شرب معرفی کرد.

کلیدواژه‌ها

موضوعات


[1]. Rahbar., A., Estimation of Hydrological Parameters of Enclosed Aquifers with Fuller Methods of Cooper Jacob and Fuzzy Linear Regressions Modified, Master's Degree at Tehran Teacher Training University,2008, [Persian].
[2]. Zamani, oh And r Mahmoudi A Survey on Application of Synthetic Earth-Amar and Optimized Synthetic Neural Network Using Genetic Algorithm for Groundwater Leveling, MSc., Shahid Chamran University of Ahvaz,2012; 122 p, [Persian].
[3]. Kia, M.,. Fuzzy logic in MATLAB. Kian Publication Green, 2010, 240 p, [Persian].
[4]. Hashemi, A., F, Taheri, M. And Ghareh Chay, AS, Quality assessment of 9 cities of Isfahan province for drinking using fuzzy inference system, Journal of Iranian Water Resources Research, No.2010, Volume 6, pp. 25-34, [Persian].
[5]. Akgun, A., Sezer, E.A., Nefeslioglu, H.A., Gokceoglu, C., and Pradhan, B. An easy-to-use MATLAB program (MamLand) for the assessment of landslide susceptibility using a Mamdani fuzzy algorithm. Computers & Geosciences, Article in press, 2011.
[6]. Lindang, Herman Umbau. "Assessing water quality index in river basin: Fuzzy inference system approach.", 2017, pp. 27-31.
[7]. Leelavathy, K. R., V. Nirmala, and V. Nageshwaran. "RIVER WATER QUALITY ANALYSIS BY FUZZY APPROACH-A CASE STUDY OF CHUNNAMBAR RIVER PONDICHERRY." Int J Adv Engg Tech/Vol. VII/Issue II/April-June, 2016, pp. 955-958.
[8]. Kung, H.T. Ying, L.G. and Liu, Y.C. “A complementary tool to WQI: Fuzzy clustering analysis.”J. of Water Resources Bulletin,1992, Volume 28(2), pp. 525-533.
[9]. Sii, H.I. Sherreard, J.H. and Wilson, T.E. “A water quality index based on fuzzy sets theory.” Proc.of the 1993 Joint ASCE-CSCE National Conference on Environmental Engineering, Montreal, Quebec,Canada, 1993, pp. 253-259.
[10].            Ocampo-Duque, W. Ferre-Huguet, N. Domingo, J.L. and Schuhmacher, M. “Assessing water quality in rivers with fuzzy inference systems: A case study.” J. of Environment International,2006, Volume 32, pp. 733-742.
[11].            Nakhaei, M. Vadie, m. Application of Fuzzy Inference Model for Assessing the Quality of Aquatic Water for Drinking and Agricultural Use (Case Study: Tehran Province). Advanced Journal of Advanced Geology, 2012, Volume 3, pp. 18-31. [Persian].
[12].            Muhammetoglu A, Yardimci A, A Fuzzy Logic Approach to Assess Groundwater Pollution Levels Below Agricultural Fields. Environmental Monitoring and Assessment. 2006, Volume 118, pp. 337-354.
[13].            Dahiya, S. B., Singh, S., Gaur, V., Garg, K., and Kushwaha, H. S.,Analysis of Groundwater Quality Using Fuzzy Synthetic Evaluation, Journal of Hazardous Material, 2007, Volume 147, pp. 938-946.
 
[14].            Monjezi, M. and Rezaei, M. Developing a new fuzzy model to predict burden from rock geomechanical properties. Expert Systems with Applications.2011, Volume 38, pp. 9266-9273. [Persian].
[15].            Dindarlo, K., Farshidfar, Gh. Chemical quality of drinking water in Bandarabbas city. Hormozgan Medical Journal. 2006, Volume 10 (1), pp. 57-65.
[16].            Isaaks E. H., and Srinivasta R. M. Applied Geostatistics. Oxford University Press:Oxford, 1989.
 
[17].            Nasseri.M. Tajrishy.M. Mohammad reza Nikoo. Jamal Zaherpour Recognition and Spatial Mapping of Multivariate Groundwater Quality Index using Combined Fuzzy Method. Water and Wastewater. 2011, pp. 22- 36. [Persian].
[18].            Hassani Gh, Mahvi A.H, Nasseri S, Arabalibeik H, Yunesian M,Gharibi H.Designing Fuzzy-Based Ground Water Quality Index. Ardabil Health Journal. 2012, pp. 18-31. [Persian].
دوره 5، شماره 2
تیر 1397
صفحه 663-673
  • تاریخ دریافت: 31 تیر 1396
  • تاریخ بازنگری: 18 فروردین 1397
  • تاریخ پذیرش: 14 دی 1396
  • تاریخ اولین انتشار: 01 تیر 1397
  • تاریخ انتشار: 01 تیر 1397