CV Personal Website


Mohamad Akbari

Mohamad Akbari

Associate Professor

عضو هیئت علمی تمام وقت

Faculty: Engineering

Department: Civil Engineering

Degree: Ph.D

CV Personal Website
Mohamad Akbari

Associate Professor Mohamad Akbari

عضو هیئت علمی تمام وقت
Faculty: Engineering - Department: Civil Engineering Degree: Ph.D |

توسعه مدل DRASTIC با استفاده از هوش مصنوعی در پتانسیل آلودگی آبخوان مناطق نیمه‌خشک

Authorsمحمد اکبری,مبین افتخاری,سیداحمد اسلامی نژاد,علی حاجی الیاسی
Journalاکو هیدرولوژی
Page number651-665
Serial number۹
Volume number۳
Paper TypeFull Paper
Published At۲۰۲۱
Journal GradeISI
Journal TypeTypographic
Journal CountryIran, Islamic Republic Of
Journal Indexisc

Abstract

به دلیل رشد اقتصادی سریع و بهره‌برداری بیش از حد از آب‌های زیرزمینی، آلودگی نیترات در آب‌های زیرزمینی بسیار جدی شده ‌است. هدف اصلی این مطالعه توسعه مدل DRASTIC برای شناسایی آسیب‌پذیری آب‌های زیرزمینی در برابر آلودگی نیترات است. لذا مدل استاندارد DRASTIC با در نظر گرفتن عامل کاربری اراضی (مدل DRASTIC-LU) ‏برای به نمایش گذاشتن آسیب‌پذیری آب‌های زیرزمینی ارائه شد. نوآوری تحقیق حاضر توسعه مدل‌های DRASTIC و DRASTIC-LU توسط ماشین بردار پشتیبان (SVM) ‏به منظور جلوگیری از خطای روش‌های همپوشانی و شاخص می‌باشد. جهت پیاده‌سازی و اعتبار سنجی مدل‌ها 21 نمونه چاه مشاهداتی در آبخوان دشت بیرجند جمع‌آوری شدند. مقادیر RMSE مربوط به مدل‌های DRASTIC، DRASTIC-LU، DRASTIC+SVM و DRASTIC-LU+SVM به ترتیب برابر با 821/0، 743/0، 612/0 و 490/0 محاسبه شدند که مشخص گردید مدل‌های ترکیبی با استفاده از SVM همبستگی بهتری را بین مقدار آسیب‌پذیری و آلودگی نیترات نشان می‌دهد. هم‌چنین مشخص شد که مدل DRASTIC-LU+SVM برای ارزیابی آسیب‌پذیری آب‌های زیرزمینی در برابر نیترات دقت بالاتری را دارد.

Paper URL