توضیحات
عنوان فارسی: ترکیب روشهای AHP و الگوریتم ژنتیک برای اصلاح مدل DRASTIC جهت ارزیابی آسیبپذیری آبهای زیرزمینی: مطالعه موردی دشت Jianghan چین
عنوان انگلیسی مقاله ترجمه شده:
Combining AHP and genetic algorithms approaches to modify DRASTIC model to assess groundwater vulnerability: a case study from Jianghan Plain, China
چکیده
شناسایی دقیق نواحی آسیبپذیر برای مدیریت و حفاظت منابع آبهای زیر زمینی بسیار حائز اهمیت است. در این بررسی، مدل DRASTIC اصلاح شده برای ارزیابی آسیبپذیری آبهای زیر زمینی در دشت Jianghan (منطقه زراعی بزرگ در مرکز چین) بکار گرفته شده است. مدل DRASTIC، با اعمال فاکتور استفاده از زمین در مدل اصلی توسعه یافته است. مقادیر و وزن پارامترهای انتخابی به ترتیب با استفاده از فرآیند تحلیل سلسله مراتبی (AHP)[1] و روش الگوریتم ژنتیک (GA)[2] بهینهسازی شدهاند. ترکیب AHP-GA برای توسعه بیشتر این روش پیشنهاد شده است. فرآیند نرمالسازی واحد برای دستهبندی نقشههای آسیبپذیری به چهار نوع (خیلی زیاد (0.75>)، زیاد (0.75-0.5)، کم (0.5-0.25) و خیلی کم (0.25<)) استفاده شده است. دقت نقشه آسیبپذیری با استفاده ضریب همبستگی پیرسون بین شاخص آسیبپذیری و غلظت نیترات در آبهای زیر زمینی و تحلیل واریانس آمارهی F، اعتبار سنجی شده است. نتایج نشان میدهند که مدل اصلاحشدهی DRASTIC، بهبود زیادی نسبت به مدل مرسوم دارد. پس از اصلاح، ضریب همبستگی بطور قابل ملاحظهای از 41.07 به 75.31 درصد افزایش پیدا کرده است. تحلیل حساسیت نشان میدهد که عمق آبهای زیر زمینی با وزن موثر 39.28 درصد، موثرترین شاخص بر آسیبپذیری آبهای زیر زمینی است. مدل آسیبپذیری توسعه یافتهای که در این مقاله پیشنهاد شده است، میتواند اطلاعات مهمی برای مدیریت محیط زیست و آبهای زیر زمینی در سطح محلی فراهم آورد و برای پژوهشگران بین المللی نقطهی عطفی باشد.
کلمات کلیدی: DRASTIC اصلاح شده، آسیبپذیری، AHP، الگوریتم ژنتیک، دشت Jianghan
مقدمه
آبهای زیر زمینی، یکی از بیشترین منابع تامین آب در بسیاری از کشورها بخصوص در نواحی خشک و نیمه خشک است. کیفیت آبهای زیر زمینی بخصوص در مناطق حفاظت نشده، به آلودگی سطحی ناشی از فعالیتهای صنعتی و کشاورزی حساس میباشد. برای مقابله با آسیبپذیری آبهای زیر زمینی، به تعیین نواحی بالقوهی آسیبپذیر و بکارگیری سیاستهای موثر برای حفاظت از آبهای زیر زمینی در برابر آسیبپذیری، نیاز فوری وجود دارد. با این حال، روشهای مرسوم نظیر بررسیهای میدانی در مقیاس منطقهای، اغلب کارآمد نیستند و زمانبر و پرهزینه میباشند. در نتیجه، ارزیابی آسیبپذیری آبهای زیر زمینی، تبدیل به موضوعی قابل بحث در پژوهشهای متمرکز شده و روشهای مختلفی نظیر مدل DRASTIC توسعه یافته است.
مدل DRASTIC بطور گسترده برای تخمین آسیبپذیری آبهای زیر زمینی استفاده میشود. این روش بخاطر کاربرد آسان در مقیاس منطقهای با سیستمهای اطلاعات جغرافیایی (GIS)[3]، یک رویکرد استاندارد برای ارزیابی آسیبپذیری آبهای زیر زمینی میباشد. هفت فاکتور هیدروژئولوژیکی، شامل عمق آبهای زیر زمینی، جذب خالص، واسط آبخوان، واسط خاکی، نقشه منطقه، تاثیر منطقه هواده و هدایت هیدرولیکی، برای ارزیابی شاخص آسیبپذیری استفاده شدهاند. شاخص آسیبپذیری، بعنوان یک معیار نسبی بدون بعد است. مقادیر بالاتر، آسیبپذیری بیشتر به آلودگی را نشان میدهد.
بطور کلی، مقادیر و وزنهای هفت ویژگی استفاده شده در مدل DRASTIC، بدون در نظر گرفتن شرایط هیدروژئولوژیکی (که مدل DRASTIC را برای بررسی ساده میکند) در جدول (1) نشان داده شده است. بهعلاوه، این روش تاثیر دادههای ناشی از فعالیتهای انسانی نظیر استفاده از زمین را در نظر نگرفته است. بنابراین، بسیاری از پژوهشگران، مدل مرسوم را برای توسعه بیشتر این روش اصلاح کردهاند.
یک اصلاح قابل ملاحظه، بکارگیری فرآیند تحلیل سلسله مراتبی (AHP) برای تعیین وزنها و/یا مقادیر پارامترهای استفاده شده در مدل DRASTIC است. روش AHP یک روش قدرتمند در مقابل روش تصمیمگیری چند معیاری است. مجموعهای از مقایسههای دوگانه (PCM)[4] برای حصول وزنهای مربوط به تاثیر معیار تصمیم، استفاده شدهاند. بر این اساس، با استفاده از روش AHP، مقادیر و وزنهای دادههای جغرافیایی با انتقال دانش متخصصان به مدل، بهینه شدهاند.
با اینکه روش AHP مفید است، اما ممکن است استفاده از کارشناسان نتایج تخمین را خراب کند. الگوریتم ژنتیک (GA) یک روش جستجوی بهینه تطبیقی است که بر اساس همانندی مستقیم در انتخاب طبیعی و ژنتیکها در سیستمهای بیولوژیکی، بطور گسترده استفاده میشود. این روش، توانایی زیادی در بهینهسازی عمومی از خود نشان داده است. رحیمی و همکاران (2014)، از روش GA برای انتخاب سایت گسترش سیلاب دشت گَرِه بیگون ایران استفاده کردند. جیاکوبو و همکاران (2002)، امکان پذیری استفاده از GA برای تخمین پارامترهای مدل انتقال آلودگی را بررسی کردند. ژانگ و همکاران (b2014)، روش GA را برای بهینهسازی وزنهای اولیه که توسط شبکههای عصبی مصنوعی (ANN)[5] تعیین شدند، بکار گرفتند تا وقوع شکاف زمین در ناحیه فرو رفتگی Su-Xi- Chang را ارزیابی کنند.
[1]– Analytic Hierarchy Process
[2]– Genetic Algorithm
[3]– Geographic Information Systems
[4]– pairwise comparisons
[5]– Artificial Neural Networks
توجه:
- برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
- لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.
به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.
سفارش ترجمه مقاله
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.