کاربرد مدل احتمال برگشتی در ردیابی منبع آلاینده در رودخانه در شرایط وجود جریان غیر یکنواخت
نویسنده:
چکیده:
معمولا آلاینده ها به صورت ناگهانی و نامحسوس در رودخانه ها تخلیه می شوند. به منظور کاهش خسارات وارده نیاز است هرچه سریع تر مکان و زمان ورود آلاینده مشخص شود. به همین منظور می بایست از مدل های بازگشتی در زمان و مکان استفاده شود. مدل احتمال برگشتی یکی از مدل های تشخیص مکان و زمان رهاسازی آلاینده است. تشخیص منبع آلاینده با دو پارامتر مکان و زمان رهاسازی روبه رو است. بر همین اساس در مدل برگشتی احتمالی دو نوع احتمال معرفی می شود: 1- احتمال برگشتی زمان پیمایش آلاینده 2- احتمال برگشتی مکان. از آنجایی که کاربرد این روش در آب های سطحی کمتر مورد توجه قرار گرفته است، لذا مهم ترین هدف این پژوهش کاربرد مدل احتمال برگشتی در تشخیص منابع آلاینده در رودخانه با شرایط غیر یکنواخت و ماندگار است. مدل حاضر بر اساس آنالیز الحاقی برای کاربرد در رودخانه ای با شرایط عمومی توسعه داده شده است. در مرحله ی اول مدل با استفاده از اطلاعات یک رودخانه فرضی با شرایط ثابت صحت سنجی شده است. در بخش دوم مدل برای رودخانه ای با وجود شرایط غیریکنواخت بکار گرفته شده است. نتایج حاصل از مدل نشان می دهد، که مدل به خوبی قادر به پیش بینی مکان و زمان رها سازی آلاینده در یک رودخانه با شرایط غیریکنواخت و ماندگار است.
کلیدواژگان:
زبان:
فارسی
صفحات:
397 تا 410
لینک کوتاه:
magiran.com/p1594072
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!