کنترل آلودگی نیترات در آب زیرزمینی با استفاده از مدل بهینه سازی

نیترات یکی از مهم ترین آلاینده هایی است که از منابع مختلف مانند کودهای شیمیایی، آفت کش ها و یا فاضلاب های خانگی و صنعتی وارد آب های زیرزمینی می شود. در این پژوهش به منظور مدیریت بهینه آبخوان های آلوده به نیترات، از مدل شبکه عصبی مصنوعی برای شبیه سازی تغییرات غلظت نیترات استفاده شد و به منظور استخراج مقادیر بهینه برداشت از آبخوان آب زیرزمینی، با حفظ محدودیت غلظت نیترات در حد استاندارد، از یک مدل بهینه ساز استفاده شد. برای دستیابی به این هدف از مدل بهینه سازی مجموعه ذرات بهره گرفته شد. با توجه به این که در سال های اخیر، آلودگی غلظت نیترات در آبخوان کرج افزایش یافته است، بخشی از این آبخوان به عنوان مطالعه موردی در نظر گرفته شد. پارامترهای ورودی مدل شبکه عصبی مصنوعی، شامل میزان برداشت در طول فصل بررسی و فصل قبل، مقادیر غلظت نیترات در فصل قبل، ضخامت لایه اشباع و طول و عرض جغرافیایی هر ناحیه بود؛ این پارامترها پس از آنالیز حساسیت، انتخاب شدند. نتایج این پژوهش نشان می دهد که بر اساس الگوریتم بهینه سازی مجموعه ذرات، مدیریت بهینه غلظت نیترات، مستلزم کاهش و یا افزایش برداشت از نواحی مختلف نسبت به شرایط فعلی برداشت در منطقه است. لذا با ثابت نگه داشتن کل برداشت از محدوده و با اندکی تغییرات منطقه ای در میزان برداشت در آبخوان آلوده کرج، می توان از افزایش غلظت نیترات در نواحی بحرانی جلوگیری نمود.