آب شناسی
غزاله محبی تفرشی؛ محمد نخعی؛ راضیه لک
چکیده
فرونشست زمین فرآیندی غیرخطی و پیچیده است که مدل های هوش محاسباتی داده مبنا قادر هستند به مدلسازی آن بپردازند. در این مطالعه میزان دقت و کارایی مدل هیبرید برنامه ریزی بیان ژن - منطق فازی در برآورد خطر رخداد فرونشست زمین و عوامل موثر بر آن در آبخوان ورامین مورد ارزیابی قرار گرفت. بدین منظور پس از انتخاب و جمع آوری اطلاعات 15 فاکتور موثر ...
بیشتر
فرونشست زمین فرآیندی غیرخطی و پیچیده است که مدل های هوش محاسباتی داده مبنا قادر هستند به مدلسازی آن بپردازند. در این مطالعه میزان دقت و کارایی مدل هیبرید برنامه ریزی بیان ژن - منطق فازی در برآورد خطر رخداد فرونشست زمین و عوامل موثر بر آن در آبخوان ورامین مورد ارزیابی قرار گرفت. بدین منظور پس از انتخاب و جمع آوری اطلاعات 15 فاکتور موثر بر رخداد فرونشست بر اساس سوابق تحقیق در محیطGIS، در مرحله اول توسط توابع عضویت فازی، این فاکتورها استاندارد شدند و سپس جهت تلفیق لایه ها از روش برنامه ریزی بیان ژن استفاده گردید. در نهایت با استفاده از 7 سنجنده آماری مهم بر مبنای داده های تصاویر رادار به صحت سنجی مدل بر مبنای 4 سناریوی متفاوت در داده های ورودی و عملگرها پرداخته شد. نتایج نشان داد سناریوی 1 با پارامترهای ورودی تراز سنگ بستر، دبی، افت آبهای زیرزمینی، زمین شناسی و عملگرهای -,+,×,÷,sqr,exp,Ln,^2,^3,3Rt,sin,cos,Atan، بهترین سناریو در مرحله آموزش و آزمون می باشد. بر همین اساس پارامتر افت آبهای زیرزمینی بیشترین تاثیر را بر میزان فرونشست زمین در منطقه مورد مطالعه داشته است.
Mojtaba Arjomandi؛ Ali Saremi؛ Amir Pouya Sarraf؛ Hossien Sedghi؛ Mahasa Roustaei
چکیده
During recent years, groundwater exploitation and thereby decreasing hydraulic head in the compressible sedimentary aquifer which is placed in the district 19 of Tehran have been caused noticeable land subsidence. The land subsidence has been damaging the infrastructures which have been being built in the south of Tehran Basin, especially in the district 19 of Tehran. A finite-difference groundwater flow model (MODFLOW) and a synthetic aperture radar (SAR) method have been used to estimate and predict the rate of land subsidence in this area, and help hydrogeologists manage the vital groundwater ...
بیشتر
During recent years, groundwater exploitation and thereby decreasing hydraulic head in the compressible sedimentary aquifer which is placed in the district 19 of Tehran have been caused noticeable land subsidence. The land subsidence has been damaging the infrastructures which have been being built in the south of Tehran Basin, especially in the district 19 of Tehran. A finite-difference groundwater flow model (MODFLOW) and a synthetic aperture radar (SAR) method have been used to estimate and predict the rate of land subsidence in this area, and help hydrogeologists manage the vital groundwater resource correctly. The data have been imported into the model, and the change of the amount of land subsidence and head have been obtained for 39 years. Then the available radar images have been processed. Afterwards, the head calibration and subsidence calibration have been done. The results of the calibrations confirmed the accuracy of the results obtained by the model. Finally, this study suggests that 118 mm of land subsidence and an 11.6 m piezometric head decline are likely to occur from 2014 until 2043.
سعید انگورانی؛ حسین معماریان؛ مسعود شریعت پناهی؛ محمد جواد بلورچی
چکیده
فرونشست یک پدیده زیست محیطی، بهمعنی نشست تدریجی و یا پایین رفتن ناگهانی سطح زمین بهدلیل تراکم مواد زیر سطحی است. برداشت بیش از حد از آبهای زیرزمینی، که ناشی از نیاز روزافزون به منابع آب است، یکی از دلایل اصلی رخداد این پدیده به شمار میآید. پدیده فرونشست در مناطق مسکونی، صنعتی و کشاورزی میتواند آثار تخریبی فاجعه باری به دنبال ...
بیشتر
فرونشست یک پدیده زیست محیطی، بهمعنی نشست تدریجی و یا پایین رفتن ناگهانی سطح زمین بهدلیل تراکم مواد زیر سطحی است. برداشت بیش از حد از آبهای زیرزمینی، که ناشی از نیاز روزافزون به منابع آب است، یکی از دلایل اصلی رخداد این پدیده به شمار میآید. پدیده فرونشست در مناطق مسکونی، صنعتی و کشاورزی میتواند آثار تخریبی فاجعه باری به دنبال داشته باشد. نمونه آشکار این پدیده در دشت تهران به چشم میخورد. اگر چه همبستگی بالای موجود میان فرونشست زمین از یک سو و کاهش تراز سطح آب زیرزمینی و تغییر در ویژگیهای مکانیکی لایههای زیرسطحی از سوی دیگر تا حد زیادی شناخته شده و تلاشهای چندی برای شناخت کامل این پدیده صورت گرفته است، ولی تاکنون مدل جامع و دقیقی از پیشبینی فرونشست ارائه نشده است. مدلسازی پدیده فرونشست که یکی از پیچیدهترین مسائل در حوزه علوم زمین است میتواند به درک بهتر این پدیده و جلوگیری احتمالی از خسارات ناشی از آن بیانجامد. روشهای عددی متداولی که برای مدلسازی این پدیده بهکار میروند، بیشتر بر پایه فرضیات ساده کنندهای بنا شدهاند که سبب میشوند نتایج حاصل از این مدلها دقت کمی داشته باشند. در این پژوهش رهیافت جدیدی برای پیشبینی میزان فرونشست زمین با استفاده از روشهای هوشمند، مانند شبکههای عصبی مصنوعی، پیشنهاد شده و کارایی رهیافت پیشنهادی در یک منطقه مورد مطالعه (دشت جنوب تهران) مورد بررسی قرار گرفته است. در جریان این پژوهش، تأخیر زمانی میان برداشت آب زیرزمینی و فرونشست، با مقایسه معادلات حاکم بر هیدورگرافها و دادههای سامانههای موقعیتیاب جهانی موجود در ایستگاههای نظارتی و به کمک الگوریتمهای ژنتیک معادل 27 ماه به دست آمد. متغیرهای ورودی مدل شامل تغییرات سطح آبزیرزمینی، بسامد طبیعی خاک، ستبرای رسوبات، مختصات نقاط و زمان و کمیت خروجی مدل، تغییرات فرونشست برآورد شده با استفاده از روش تداخلسنجی امواج راداری بوده است. مدل یاد شده در 15 بازه زمانی ساخته و در ساخت آن از مجموعه دادههای آزمون که با دادههای استفاده شده در ساخت مدل، فاصلهای 4 ماهه داشتهاند، استفاده شد. مقایسه مقدار پیشبینی شده توسط مدل و مقدار واقعی فرونشست، نشانگر تطابق خوب دو دسته نتایج و قابلیت اعتماد مدل پیشنهادی است.