طراحي شاخص كيفي آب‏هاي زيرزميني با استفاده از منطق فازي

Designing Fuzzy-Based Ground Water Quality Index

زمينه و هدف: يكي از مهمترين منابع آب‏هاي مصرفي در دنيا، آب‏هاي زيرزميني مي باشد. يكي از راه‏هاي جامع و متداول براي ارزيابي كيفيت آب، استفاده از انديس هاي كيفي است. منطق فازي به‏عنوان يك روش مناسب از هوش مصنوعي جهت توسعه ي سيستم هاي پيچيده و نامشخص مانند انديس هاي محيط زيستي مورد استفاده قرار مي گيرد. هدف اصلي اين مطالعه ارايه يك شاخص جامع كيفي براي آب‏هاي زيرزميني بر پايه ي منطق فازي براساس خصوصيات مختلف كيفي آب مي باشد. روش كار: در اين مطالعه از 24 پارامتر مختلف فيزيكوشيميايي آب براساس تاثيرات آن بر روي كيفيت آب و همچنين مصرف كننده استفاده شده است. طراحي شاخص كيفي براساس سيستم استنتاج فازي و به روش ممداني صورت گرفته است. بعد از طراحي، شاخص به وسيله ي داده هاي حاصل از آب قنات‏هاي يزد مورد ارزيابي قرار گرفت. يافته ها: شاخص كيفي ارايه شده در اين مطالعه نسبت به شاخص NSF كه از 9 پارامتر براي بيان كيفيت آب استفاده مي‏كند، داراي نتايج سختگيرانه تري است. اين اختلاف مي تواند به دليل تفاوت در تعداد پارامترها و رابطه ي دروني پارامترها بر يكديگر باشد. در ارزيابي شاخص ارايه شده با داده هاي حاصل از قنات‏هاي يزد، خروجي سيستم كيفيت پايين آب را نشان مي دهد كه پايين تر از استاندارد لازم براي مصارف آشاميدني مي باشد. نتيجه گيري: با توجه به نتايج به دست آمده مي‏توان گفت كه شاخص كيفي آب پيشنهاد شده توسط اين مطالعه مي تواند به عنوان ابزار جامعي براي نشان دادن كيفيت واقعي آب به ويژه در زماني كه با اهداف مصارف انساني همراه باشد، مورد استفاده قرار گيرد.

Background & Objectives: Ground water is one of the important water resources. Quality indices are amongst the comprehensive and routine methods to evaluate water quality. Fuzzy Logic, as an appropriate method, applies artificial intelligence to develop complex and unknown systems e.g. environmental indices. This study aimed to provide a comprehensive index based on fuzzy logic and qualitative properties of ground water. Methods: Considering their effects on water quality and human health, 24 physico- chemical parameters were used for this study. Qualitative index was designed based on Mamdani inference system and tested using the data obtained from aqueducts located within Yazd city. Results: Fuzzy groundwater quality index provides more strict outputs than the NSF which uses nine parameters to present water quality. The differences observed might be due to differences in the number and interrelationships between parameters used for each index. Assessment of Yazd’s aqueducts water quality using Fuzzy index indicated that ground water quality is lower than the standard values set for drinking purposes. Conclusion: According to the results obtained, the proposed index can be used as a comprehensive tool to present actual water quality, especially for drinking purposes.