مشخصات مقاله عنوان نشریه: اكوهيدرولوژي اطلاعات شماره: زمستان 1396 , دوره 4 , شماره 4 ; از صفحه 1089 تا صفحه 1103 . عنوان مقاله: بهينه سازي روش DRASTIC با استفاده از هوش مصنوعي براي ارزيابي آسيب پذيري آبخوان چند گانه ي دشت ورزقان نویسندگان: نديري عطااله*, صدقي زهرا, کاظميان نعيمه آدرس: * گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز چکیده: با توجه به افزايش جمعيت و توسعه ي فعاليت هاي کشاورزي و معدني در دشت ورزقان که سبب افزايش مقادير نيترات تا پنج برابر استاندارد سازمان بهداشت جهاني (WHO) شده، ارزيابي آسيب پذيري و حفاظت از منابع آب زيرزميني در اين منطقه اهميت زيادي دارد. در اين پژوهش، آسيب پذيري آبخوان چندگانه ي دشت ورزقان در برابر آلودگي به کمک روش DRASTIC در محيط ArcGIS بررسي شده و بهينه سازي روش DRASTIC با استفاده از مدل ANN صورت گرفته است. براي اجراي روش DRASTIC از پارامترهاي مؤثر در ارزيابي آسيب پذيري سفره ي آب زيرزميني شامل عمق سطح ايستابي، تغذيه ي خالص، جنس محيط آبخوان، نوع خاک، شيب توپوگرافي، مواد تشکيل دهنده ي ناحيه ي غيراشباع و هدايت هيدروليکي استفاده شده که به صورت هفت لايه ي جداگانه براي آبخوان آزاد و تحت فشار تهيه و بعد از رتبه دهي و وزن دهي و تلفيق اين هفت لايه شاخص DRASTIC محاسبه شد که براساس نتايج به دست آمده شاخص DRASTIC براي آبخوان آزاد 92-164 و براي آبخوان تحت فشار 48-93 برآورد شد. به منظور بهينه سازي روش DRASTIC، از مدل شبکه ي عصبي مصنوعي استفاده و به اين منظور داده هاي ورودي )پارامترهاي (DRASTIC و خروجي (شاخص آسيب پذيري) و مقادير نيترات مربوط به آن به دو دسته ي آموزش و آزمايش تقسيم شد و پس از آموزش مدل، با استفاده از مقادير نيترات نتايج مدل در مرحله ي آزمايش ارزيابي شد. نتايج نشان داد مدل شبکه ي عصبي مصنوعي به کار گرفته شده، قابليت بهبود نتايج روش DRASTICاوليه را دارد. براي صحت سنجي نتايج روش کلاسيک و مدل هوش مصنوعي استفاده شده در اين پژوهش، از داده هاي غلظت نيترات و ضريب همبستگي آن با شاخص آسيب پذيري در منطقه استفاده شد. مدل ANN با داشتن ضريب تعيين (R2) و شاخص همبستگي (CI) بيشتر نسبت به روش DRASTIC و همچنين توانايي ارزيابي يکپارچه ي آبخوان چندگانه و حذف خطاي نظر کارشناسي اعمال شده در روش کلاسيک، روش بهتري براي ارزيابي آسيب پذيري آبخوان چندگانه ي دشت ورزقان است. کلید واژه: آسيب پذيري(Q1)آبخوان چندگانه(Q1)شبکه ي عصبي مصنوعي(Q1)DRASTIC(Q1) چارک 1 این موضوع در حوزۀ علمی خود، در چارک اول تازگی است. یعنی استقبال پژوهشگران از این موضوع خیلی زیاد است. چارک 2 این موضوع در حوزۀ علمی خود، در چارک دوم تازگی است. یعنی استقبال پژوهشگران از این موضوع زیاد است. چارک 3 این موضوع در حوزۀ علمی خود، در چارک سوم تازگی است. یعنی استقبال پژوهشگران از این موضوع کم است. چارک 4 این موضوع در حوزۀ علمی خود، در چارک چهارم تازگی است. یعنی استقبال پژوهشگران از این موضوع خیلی کم است. موضوعات مرتبط: - ارجاعات: ندارد مقالات نشریه ای مرتبط: ارزيابي آسيب پذيري آبخوان دشت جوين به روش هاي DRASTIC و GODSاصلاح روش DRASTIC براي تعيين مناطق آسيب پذير آب زيرزميني نسبت به آلودگي با استفاده از اندازه گيري هاي نيترات در مناطق کشاورزيبهينه سازي مدل هاي DRASTIC و SINTACS مبتني بر سامانه اطلاعات جغرافيايي با استفاده از فرايند تحليل سلسله مراتبي (مطالعه موردي: دشت انديمشک)تعيين آسيب پذيري آبخوان دشت قزوين با استفاده از روش DRASTIC و SI و صحت سنجي آن با مولفه نيتراتارزيابي آسيب پذيري آبخوان دشت شهرکرد با استفاده از مدل DRASTIC مقالات همایشی مرتبط: همایش آب و محیط زیست: تعیین نواحی اسیب پذیر آبخوان دشت مشهد به کمک مدل DRASTICآب زیرزمینی: بررسی روش های ارزیابی آسیب پذیری آبخوان نسبت به نیتراتاستفاده از منطق فازی برای ارزیابی آسیب پذیری ذاتی آبخوانمقایسه شاخص های آسیب پذیری محاسبه شده با استفاده از مدلهای DRASTIC و GODS در برابر حضور آلودگی و انتخاب مدل بهینهکاربرد سیستم اطلاعات جغرافیایی (GIS) در تهیه نقشه های آسیب پذیری سفره آب زیرزمینی (مطالعه موردی دشت قزوین) ویدئوهای مرتبط از مکتبخونه چکیده انگلیسی بازدید یکساله 113 آخرین های بلاگ معرفی 10 موضوع داغ در بیست حوزه علمی بر اساس پایگاه مرکز اطلاعات علمیتست آنلاین کروناآشنایی با شاخص های hI ،hf و hm از خانواده شاخص هرشچطور مطالب را تنها در یک سایت خاص جستجو کنیمآموزش جستجوی تصویر در گوگلبرقراری پیوند میان ارجاعات درون متنی و آخر متن ورود به بلاگ مرکز اطلاعات علمی