ارزیابی کیفی آب زیرزمینی در دشت لنجانات با روش فازی تاکاگی – سوگنو

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری آب زیرزمینی/ دانشگاه خوارزمی تهران

2 دانشیار گروه زمین شناسی/ دانشگاه خوارزمی تهران

چکیده

        در مطالعه حاضر، از روش فازی تاکاگی-سوگنو جهت ارزیابی کیفیت آب زیرزمینی در دشت لنجانات اصفهان استفاده گردید. در این روش از 16 پارامتر شیمیایی اندازه‌گیری شده در 79 نمونه آب زیرزمینی استفاده شد. این پارامترها، بر اساس اهمیت‌شان در کیفیت آب از نظر شرب، به چهار گروه تقسیم شدند. سپس این گروه‌ها، بر اساس قوانین "اگر آنگاه" فازی با یکدیگر ترکیب شدند و کیفیت نهایی آب تعیین گردید. نتایج مطالعه نشان داد که از مجموع نمونه­ها، 12نمونه(17/15%) کیفیت عالی،19 نمونه (05/24%)کیفیت خوب،27 نمونه(17/34%) کیفیت متوسط،15نمونه(98/18%) کیفیت ضعیف و 6 نمونه(59/7%) کیفیت خیلی ضعیف داشتند و 6 نمونه­ای که بدترین کیفیت(رتبه5) را دارند در پارامترهای کیفی خود دارای عناصر سنگین سمی با غلظت های بیشتر از حد استاندارد تعیین شده توسط سازمان بهداشت جهانی (WHO) می­باشند. با توجه به نتایج روش تاکاگی-سوگنو نیز مانند روش ممدانی در ارزیابی کیفیت آب خصوصا در سایت­های صنعتی یا مناطقی که امکان حضور عناصر سمی سنگین وجود دارد می­تواند کاربرد داشته باشد.

 

کلیدواژه‌ها


صابری. ا، رضایی. م، دشتی،م،1392،  ارزیابی کاربرد سیستم استنتاج فازی ممدانی در تحلیل کیفیت آب زیرزمینی، مطالعه موردی. آبخوان طبس، مهندسی آب و محیط زیست ایران، دوره1، شماره1، 34-25

رضایی.م، امیری.و.، 1392، ارزیابی تغییرات کیفی آب زیرزمینی دشت لنجانات با استفاده از تحلیل عاملی ترکیب شده با تئوری انتروپی اطلاعات، محیط ­شناسی، سال سی نهم، 44-33

نخعی.م، ودیعتی.م، 1391،  تجزیه و تحلیل فازی آب زیرزمینی استان تهران.فصلنامه زمین­شناسی ایران، سال6 ، شماره 23، 46-37

Altunkaynak. A., 2005, Water Consumption Prediction of Istanbul City by Using Fuzzy Logic Approach, Water Resources Management, 19: 641–654

Castellanoa.G., L., González., Santandera. J., Laraa. A., Torrensb. F., 2013, Classification of flavonoid compounds by using entropy of information theory, Photochemistry, 93:182-191

Chang. N., Chen. H.W., King. S. K., 2001, Identification of river water quality using the fuzzy synthetic evaluation approach, Journal of Environmental Management, 63:293-305.

Cude. C. O., 2001, Water quality index: a tool for evaluating water quality management effectiveness, Journal of Water Resource, Assoc, 37:125-137.

Dahiya. S, Datta. D., Kushwaha, H. S., 2005, A fuzzy synthetic evaluation approach for assessment of physico-chemical quality of groundwater for drinking purposes, Environmental Geology, 8 : 158-165.

Despande. A. W., Raj. D. V., Khanna. P., 1996 (a), Fuzzy description of river water quality, Paper for International Conference EUFIT

Despande. A. W., Raj. D. V., Khanna. P., 1996 (b), Agreement Index for water consumption, Paper for International Conference EUFIT.

Firat. M., Turan. M., Yurdusev. M. A., 2009, Comparative analysis of fuzzy for inference systems  for water consumption  time series prediction, Journal of Hydrology, 5 Vol. 374, pp. 235-241.

Hamed. G. H., Mahvia. A. H., Nabizadeha. R., Arabalibeikd. H., Yunesiana. M., Sowlatf. M. H., 2012, a novel approach in water quality assessment based on fuzzy logic, Journal of Environmental Management, 112(15): 87-95.

Karmakar. S., Mujumdar. P., 2006, Grey fuzzy optimization model for water quality management of a river system, Advances in Water Resources, 29, 1088-1105.

Korda. M., Asghari Moghaddam. A., 2014, spatial analysis of Ardabil plain aquifer potable groundwater using fuzzy logic, Journal of King Saud University Science, 26(2):129-140.

Lermontova. A., Yokoyamab. L., Lermontovc. M., Augusta Soares Machadod. M., 2009. River quality analysis using fuzzy water quality index: Ribeira do Iguape river watershed, Brazil, Ecological Indicators, 9(6):1188-1197.

Liou. S., Lo. S., Wang. S. A., 2004, Generalized water quality index for Taiwan, Environmental Monitoring Assessment, 96:35-52.

Ocampo-Duquea. W., Osorioa. C., Piambaa. C., Schuhmacherb. M., Domingoc. J. L, 2013, Water quality analysis in rivers with non-parametric probability distributions and fuzzy inference systems: Application to the Cauca River, Colombia Environment International, 52:17-28

Piplani. R., Wetjens. D., 2007, Evaluation of entropy-based dispatching in flexible manufacturing systems, European Journal of Operational Research, 176, 317-331.

Saberi Nasr. A., Rezaei. M., Dashti. M., Groundwater contamination analysis using Fuzzy Water Quality index (FWQI): Yazd province, Iran., Journal of Geopersia 3 (1), 2013, P. 47-55 

Said. A., Stevens. D., Selke. G., 2004, an innovative index for evaluating water quality in streams, Environmental Management, 34:406-414.

Sargaonkar. A., Deshpande. V., 2003, Development of an Overall Index of Pollution for Surface Water Based on a General Classification Scheme in Indian Context, Environmental Monitoring and Assessment, 89(1):43-67.

Shen. G. Q., Lu. Y. T., Wang. M. N., Sun. Y. Q., 2005, Status and fuzzy comprehensive assessment of combined heavy metal and organo-chlorine pesticide pollution in the Taihu Lake region of China, Journal of Environmental Management, 76(4), 355-362.

Shuiabi. E., Thomson. V., Bhuiyan. N., 2005, Entropy as a measure of operational flexibility, European Journal of Operational Research, 165, 696-707.

Silvert. W., 2000, Fuzzy indices of environmental conditions, Ecological Modeling, 130:111-119.

Takagi. T., Sugeno. M., Fuzzy identification of systems and its applications to modeling and control, IEEE Transitional System., Man, Cyber, vol. 15, pp. 116–132, 1985.

Wang. H. Y., 2002, Assessment and prediction of overall environmental quality of Zhuzhou City, Hunan Province, China, Journal of Environmental Management, 66(3), 329-340.

Zou. Z. H., Yun. Y., Sun. J. N., 2006, Entropy method for determination of weight of evaluating in fuzzy synthetic evaluation for water quality assessment indicators, Journal of Environmental Sciences, 18(5), 1020-1023.