نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی کارشناس ارشد، دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران
2 استادیار دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران
چکیده
چاهها یکی از اصلیترین منابع تأمین کننده آب شرب، کشاورزی و صنعت میباشند. کیفیت آب از لحاظ شرب نیز در بین پارامترهای کیفی مهمترین پارامتر است. بنابراین بررسی و پیش بینی آلودگیها از اهداف مدیران و برنامهریزان میباشد.در این تحقیق از شبکه عصبی مصنوعی و سیستم اطلاعات مکانی برای تعیین آلودگی پارامتر منیزیم در آبهای روستاهای گنبد از استان گلستان در چهار سال متوالی 87 و 88 و 89 و 90 استفاده شده است. در این مدل شبکه عصبی مصنوعی در ساختار پرسپترون، با تعداد لایههای پنهان و نرونهای مختلف، مورد ارزیابی قرار گرفتهاند. در حال حاضر آلودگی آبهای زیرزمینی به دلیل فعالیتهای شیمیایی و صنعتی در حال افزایش است. بنابراین نیاز به شناسایی مناطق آسیبپذیر منطقه برای جلوگیری از آلودگی آبهای زیرزمینی است. همچنین در این تحقیق برای تعیین آلودگی آبهای زیرزمینی از نقشه هایی همچون: توپوگرافی، زمین شناسی، موقعیت چاهها، شیب، و ... در محیطهای مکانی استفاده شد. پس از تعیین میزان آلودگی با استفاده از مدلهای شبکه عصبی، خروجی مدل در محیط مکانی به نقشههای آلودگی دست پیدا کردهایم. همچنین با مشاهدهی نقشههای آلودگی و دادههای موجود در سالهای ذکر شده میتوان نتیجه گرفت که میزان آلودگی کم بود و این آلودگی نمیتواند خطرآفرین باشد.
کلیدواژهها
عنوان مقاله [English]
The Process of Evaluating Magnesium Changes Using Neural Network and Geospatial Information System In the villages of Gonbad city (Golestan province)
نویسندگان [English]
- Mohammadzaman Ahmadi 1
- Saeed Behzadi 2
چکیده [English]
Abstract
Wells are one of the main sources of drinking water, agriculture and industry. Water quality in terms of drinking is the most important parameter among qualitative parameters. Therefore, the investigation and anticipation of pollution are the goals of managers and planners. In this research, artificial neural network and geospatial information system have been used to determine the contamination of magnesium parameter in the water of Gonbad villages in Golestan province during the 4 consecutive of 2008, 2009, 2010 and 2011. In this model, the artificial neural network has been evaluated in Perceptron structure with a number of hidden layers and various neurons. At present, pollution of underground is increasing due to the chemical and industrial activities. Therefore, it is necessary to identify vulnerable areas to prevent the pollution of groundwater. Also, in this research, to determine the groundwater contamination, maps such as topography, geology, location of wells, slopes and …, were used in spatial environment. After determining the amount of contamination using the neural network models and the output of the model in spatial environment, the pollution maps were obtained. Also, by observing contamination maps and data available in the aforementioned years, it can be concluded that the level of pollution was low and this pollution cannot be dangerous.
کلیدواژهها [English]
- Artificial neural network
- Geospatial Information System
- Underground water pollution
- Magnesium pollution