نشریه محیط زیست طبیعی

پهنه‌بندی فازی کیفیت آب زیرزمینی (مطالعة موردی: شهرستان سردشت، استان آذربایجان غربی، ایران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه زمین‌شناسی، دانشکده علوم، دانشگاه ارومیه، ارومیه، ایران.

2 گروه زمین‌شناسی، دانشگاه پیام نور، تهران، ایران.

چکیده

ارزیابی کیفیت آب گامی مهم در جهت استفادة بهینه و مناسب از منابع آب برای شرب است. از این رو، ضرورت مطالعة ویژگی‌های کیفی آب در برنامه‌های مدیریت منابع آب به‌شدت مورد توجه قرارگرفته است. ابهام و نبود قطعیت ذاتی حاکم بر منابع آب در ارزیابی اهداف، معیارها و واحدهای تصمیم‌گیری، ناسازگاری و بی‌دقتی در نظرها و قضاوت افراد تصمیم‌گیرنده  سبب گرایش به نظریه‌های مجموعه‌های فازی و به‌دنبال آن، منطق فازی به‌عنوان ابزاری کارآمد و مفید برای برنامه‌ریزی‌ها و تصمیم‌گیری‌ها در منابع آب ‌شده است.  در مطالعة حاضر کیفیت آب زیرزمینی ابتدا با روش های استاندارد جهانی (روش ارزیابی قطعی) برای مصارف شرب طبقه بندی شد. سپس طبقه بندی با استفاده از استنتاج فازی ممدانی مدل سازی و مقایسه شد. بدین‌منظور، از میانگین چهار سالة پارامترهای کیفی منابع آب زیرزمینی مربوط به 33 منبع شامل10حلقه چاه، 22دهنه چشمه و یک ‌رشته قنات در حال بهره‌برداری شهرستان سردشت برای در دو حالت به‌عنوان ورودی مورد استفاده قرار گرفت. در روش ارزیابی قطعی (دیاگرام شولر)، ویژگی‌ها و نمودار تعیین کیفیت آب تعیین شد. در مدل استنتاج فازی میانگین چهار سالة هشت پارامتر کیفی آب به سه گروه طبقه‌بندی گردید، در گروه اول پارامترهای یونهای سدیم، کلسیم و منیزیم  و  در گروه دوم پارامترهای یون های بیکربنات، سولفات و کلریدو  در گروه سوم دو پارامتر TH و TDS قرار داده شد. بعد از تعیین هر گروه با دو پارامتر ورودی، هر پارامتر ورودی شامل سه تابع عضویت در نظر گرفته شد، به‌طوری‌که قوانین در نظر گرفته‌شده برای آن برابر با نه (۳×۳) برآورد شد. نتایج براساس روش قطعی نشان داد که تمامی نمونه‌های موردمطالعه در گروه خوب تا قابل قبول قرار گرفتند. اما یافته‌های فازی ممدانی نشان داد که تعداد دو نمونه با سطح اطمینان 50 درصد در ردة قابل قبول و دیگر نمونه ها با سطح اطمینانی برابر با 87-83 درصد در ردة مطلوب برای آشامیدن قرار گرفتند.

کلیدواژه‌ها

عنوان مقاله [English]

Groundwater quality assessment using fuzzy inference system for drinking purposes (Case study: Sardasht city, West Azerbaijan province, Iran)

نویسندگان [English]

  • Hemen Mahmoudpour 1
  • Esfandiar Abbasnovinpour 1
  • Homayoun Moghimi 2

1 Department of Geology, Faculty of Sciences, Urmia University, Urmia, Iran.

2 Department of Geology, Payame Noor University, Tehran, Iran.

چکیده [English]

Assessing water quality is an important step toward the optimal and appropriate use of drinking water resources. Therefore, the necessity of studying water quality characteristics in water resource management programs has been highly considered. Ambiguity and lack of inherent certainty governing water resources in the evaluation of goals, criteria, and decision-making units, as inconsistency and carelessness in the opinions and judgments of decision-makers have led to the tendency towards theories of fuzzy sets and, as a result, fuzzy logic as an efficient and useful tool for planning and making decisions. In the present underground water quality water was first classified by international standard methods (definitive evaluation method) for drinking purposes. Then classification was modeled and compared using Mamdani fuzzy inference. For this purpose, the four-year average of quality parameters of underground water sources related to 33 sources including 10 well rings, 22 spring mouths, and an aqueduct in operation in Sardasht Cityre used as inputs in two cases. In the deterministic evaluation method (Schoeller diagram), the characteristics and the water quality determination diagram were determined. In the four-year average fuzzy inference model, eight water quality parameters were classified into three groups, in the first group the parameters of Na+, Ca+2, and Mg+2, in the second group the parameters of HCO3-, SO4-2, and Cl- were placed in the third group of two TH and TDS parameters. After determining each group with two input parameters, each input parameter was considered including three membership functions, so that the rules considered for it were estimated as nine (3x3). The results based on the deterministic method showed that all the studied samples were in the good to acceptable group. But Mamdani's fuzzy findings showed that two samples with a confidence level of 50% were in the acceptable category and other samples with a confidence level of 83-87% were placed in the desirable category for drinking.

کلیدواژه‌ها [English]

  • Drinking water optimization
  • Fuzzy inference system
  • Sardasht city
  • Water quality
Akgun, A., Sezer, E.A., Nefeslioglu, H.A., Gokceoglu, C., Pradhan, B., 2011. An easy-to-use MATLAB program (MamLand) for the assessment of landslide susceptibility using a Mamdani fuzzy algorithm. Computer Geosciences.
Dindarlo, K., Farshidfar, G., 2006. Chemical quality of drinking water in Bandarabbas city. Hormozgan Medical Journal 10(1), 57-65.
Haghiabi, A.H., Nasrolahi, A.H., Parsaie, A., 2018. Water quality prediction using machine learning methods. Water Quality Research Journal 53(1), 3-13.
Iranian Institute of Standards and Industrial Research. 1993. Daily Standard Water Sampling Method No. 2348, Second Edition, Commission of Sampling Methods and Water Testing. (In Persian)
Jahangir, M.H., Haghighi, P., Sadati Nejad, S.J., 2018. Evaluation of groundwater quality in Marvdasht plain for drinking purposes using fuzzy inference system model. Iranian journal of Ecohydrology 2, 663-673. (In Persian)
Kia, M., 2010. Fuzzy logic in MATLAB. Kian Publication Green. 240 p.
Mansour-Bahmani, A., Haghiabi, A.H., Shamsi, Z., Parsaie, A., 2021. Predictive modeling of the discharge of urban wastewater using artificial intelligent models (case study: Kerman city). Modeling Earth Systems and Environment 7, 1917-1925.
Monjezi, M., Rezaei, M., 2011. Developing a new fuzzy model to predict burden from rock geomechanical properties. Expert Systems with Applications 38(12), 9266-9273.
Nezaratiana, H., Zahirib, J., Fatehi Peykanic, M., Haghiabi, A.H., Parsaie, A.A., 2021. Genetic algorithm-based support vector machine to estimate the transverse mixing coefficient in streams. Water Quality Research Journal 56(3), 127-142.
Parsaie, A., Emamgholizadeh, S., Azamathulla, H.M., Haghiabi, A. H., 2018. ANFIS-based PCA to predict the longitudinal dispersion coefficient in rivers. P International Journal of Hydrology Science and Technology 8(4), 410-424.
Parsaie, A., Haghiabi, A.H., 2017. Computational Modeling of Pollution Transmission in Rivers. Applied Water Science 7, 1213-1222
 Qishlaqi, A., Kordian, S., Parsaie, A., 2017. Hydrochemical evaluation of river water quality—a case study. Applied Water Science 7: 2337-2342
Rahbar, A., 2008. Estimation of hydrological parameters of closed aquifers by Fuller-Cooper-Jacob method and modified fuzzy linear regression. Tarbiat Modares University Master Thesis. 5 p. (In Persian)
Regional Water Company of West Azerbaijan Province, 2020. Basic Studies of Water Resources. 10 p. (In Persian)
Rural Water and Sewerage Company of West Azerbaijan Province, 2020. Quality Control Laboratory. 20 p. (in Persian)
Schoeller, H., 1955. Geochimie des eaux souterraines. Revue de l'Institut Francais du Petrole Paris 10(3), 181- 213.
Shahidi, A. 2003. Geological report of Sardasht 1: 100000 map. Geological Survey of Iran. 15p. (In Persian)
WHO. Guidelines for drinking water quality 2011. 4th ed. Geneva: World Health Organization.
 Zamani, H., Mahmoudi, A., 2012. Application of artificial neural network - Statistics and optimized using genetic algorithm for groundwater leveling, M.Sc., Shahid Chamran University of Ahvaz. 122 p. (In Persian)
نشریه محیط زیست طبیعی
دوره 76، شماره 1
اردیبهشت 1402
صفحه 149-160