استفاده از مدل منطق فازي مركب در برآورد آرسنيك منابع آبي در حوضه آبريز سد سهند

Using Iintelligence Committee Fuzzy Logic Model to Estimate Arsenic in Water Resources of Sahand Dam Basin

در اين مطالعه از مدل منطق فازي مركب (ICFL) براي برآورد غلظت آرسنيك كل (III, V) در محدوده مطالعاتي سد سهند استفاده شده است. با توجه به بالا بودن مقادير آرسنيك نسبت به مقادير استاندارد جهاني (mg/L 01/0)، گروه زمين شناسي دانشگاه تبريز و سازمان آب منطقه اي آذربايجان شرقي از منابع آب زيرزميني و سطحي منطقه نمونه برداري و متغيرهاي هيدروشيميايي آن را تجزيه كرده اند. براي برآورد غلظت هاي آرسنيك كل، از ميان پارامترهاي تجزيه‌اي نمونه ها از متغيرهاي pH، سولفات، نيترات، فلويوريد و آهن كل (II, III) به عنوان ورودي مدل هاي فازي ممداني (MFL)، لارسن (LFL) و ساگنو (SFL) استفاده شد. با وجود نتايج مناسب اين مدل ها در دو مرحله آموزش و آزمايش و به دليل همانندي نتايج اين سه مدل، به جاي انتخاب مدل برتر، مدل ICFL براي تركيب نتايج سه مدل منفرد فازي به كار برده شد. به منظور استفاده همزمان از مزاياي هر سه مدل ياد شده، تركيب وزني از خروجي مدل هاي فازي براي ايجاد يك مدل منطق فازي مركب به كار گرفته شد. همچنين در اين مدل برآورد غلظت آرسنيك كل با به كارگيري الگوريتم جامعه ذرات براي به دست آوردن وزن بر پايه خروجي سه مدل فازي استفاده شد. نتايج نشان داد مدل ICFLارايه شده، توانست نسبت به روش هاي مدل منطق فازي منفرد، بهتر عمل كند.

This study presents an intelligence committee fuzzy logic (ICFL) model to estimate the concentration of total arsenic (III, V) in the area of the Sahand Dam basin, Iran. Because of a high concentration of arsenic (III, V) compared to WHO standard, Geolology Department of Tabriz University and East Azerbaijan Regional Water Authority have attempted to sampling and analysis of surface water and groundwater resources in the mentioned area. Hydrochemical parameters Including pH, SO42-, NO3--N, F-, Fe(II, III) and As used as input parameters for Mamdani fuzzy logic (MFL), Larsen fuzzy logic (LSL) and Sugeno fuzzy logic (SFL) to estimate arsenic concentrations. The results in train and test steps showed that all of these models have a similar fitting to the arsenic concentration data in the study area. The ICFL model was adopted to combine the output of the three single fuzzy models instead of the selecting superior single model. To reap advantage of all three models, the weighted combination of the output of fuzzy models used to create a committee fuzzy model. The mentioned model uses particles population algorithm, to obtain weight based on the output of the three fuzzy models to estimate the total arsenic concentration. The results of ICFL model shows, significant fitting improvement compare to individual fuzzy logic models.