-86935192111

نشريه حفاظت منابع آب و خاك، سال دوم، شماره اول، پاييز 1391
تخمين ضريب توزيع خاك-آب فلزات سنگين با كاربرد شبكههاي عصبي مصنوعي
امين فلامكي1* و مهناز اسكندري2
1*) استاديار؛ گروه مهندسي عمران؛ دانشگاه پيام نور؛ ايران؛ نويسنده مسئول مكاتبات: [email protected]
2) دانش آموخته دكتري خاكشناسي؛ دانشگاه آزاد اسلامي؛ واحد علوم و تحقيقات؛ گروه خاكشناسي؛ تهران؛ ايران

تاريخ دريافت: 19/01/1391 تاريخ پذيرش: 30/06/1391

چكيده
آلودگي منابع آب و خاك يكي از چالش هاي مهم استفادة بهينه از اين منابع در سرتاسر جهان است. ضريب توزيع (Kd) نه تنها يك پارامتر كاربردي در مدلسازي انتقال آلاينده ها در خاك است، بلكه در ارزيابي ريسك آلودگي منابع آب و خاك نيز كاربرد دارد. مدل هاي پارامتريك، معمول ترين روش كمي براي تخمين Kd هستند. ليكن معمولاً ضريب همبستگي اين مدل ها اندك است. درحاليكه مقدار تخميني اين پارامتر ميتواند باعث اشتباه قابل توجه در پيشبيني مهاجرت آلايندهها در آبخوان و يا انتخاب روش پايش محيط آلوده شود. هدف از اين پژوهش، بررسي توانايي شبكههاي عصبي مصنوعي در مدلسازي ضريب توزيع فلزات سنگين و بهبود دقت تخمين آن بود. بدين منظور، سه نوع شبكه عصبي پرسپترون چند لايه (MLP)، توابع پايه شعاعي (RBF) و شبكههاي سلسله مراتبي (HN) و دو فلز سنگين كروم و كادميوم، براي مدلسازي انتخاب شدند. ابتدا دادههاي جمع آوري شده به دو دسته آموزش و آزمون تفكيك شدند كه يك دسته براي آموزش شبكه ها بكار رفت و با دسته ديگر دقت شبكه هاي تعميم يافته ارزيابي شد. بهترين هندسه شبكه نيز با روش آزمون و خطا بدست آمد. نتايج مدلسازي براي فلز كروم نشان داد كه هر دو شبكه MLP و RBF، بسيار توانمند عمل كرده اند و برتري نسبي در تخمين Kd با شبكه MLP بوده است. هرچند تعداد داده هاي كاربردي براي آموزش شبكه ها زياد نبود (حداقل 9 و حداكثر 16 داده)، ليكن نتايج نشان داد كه اين تعداد كم براي مدلسازي كفايت ميكند. اين يافته گامي موثر در تخمين Kd است چراكه افزون بر زمان بر و هزينه بر بودن اندازه گيري مستقيم آن، در هر پروژه نيز معمولاً تعداد اندكي نمونه در اختيار است. نتايج مدلسازي تخمين Kd(Cd) با شبكه هاي عصبي مصنوعي نيز نشاندهنده برتري شبكه MLP در مدلسازي بود. اين شبكه ها توانستند مقدار ضريب همبستگي بين مقادير واقعي و پيش بيني شده را به طور قابلتوجهي افزايش دهند و از 37/0 در مدل پارامتريك برازش داده شده به دادهها، به 63/0 برسانند.
واژههاي كليدي: شبكههاي عصبي مصنوعي؛ ضريب توزيع آب-خاك؛ كادميوم؛ كروم
مقدمه
يكي از چالشهاي مهم بهويژه در مناطق خشك و نيمه-خشك، حفاظت منابع آب و خاك از آلودگي است. يكي از راههاي كمي ارزيابي آلايندهها در منابع آب و خاك، مدل- هاي تحليل ريسك به شمار ميروند. در كاربرد اين مدلها نياز به پيشبيني رفتار و چگونگي انتقال يك آلاينده از منبع انتشار تا محيط دريافت آن است. ليكن شبيهسازي انتشار آلايندهها در محيط متخلخل خاك و آبخوان به دليل ناشناخته بودن برخي مكانيسمهاي حاكم، بسيار پيچيده است. يكي از پارامترهاي مهم كه باعث افزايش عدم قطعيت در مدلهاي شبيهسازي ميشود، مقدار ضريب توزيع يا تفكيك1 است (4002 ,.Carlon et al). ضريب توزيع آب -خاك به نسبت ميان مقدار آلاينده جذب شده به مقدار آن در حالت محلول و در شرايط برقراري تعادل در محيط گفته ميشود (4002 ,.Carlon et al). اين ضريب
1- partition (or distribution) coefficient
67031208345831
سال

دوم
/

شماره
1
/

پاييز

سال

دوم

/

شماره

1

/

پاييز

مقدار جذب آلاينده در خاك را كنترل كرده و تخمين آن بهپيشبيني سرنوشت آلايندهها در كوتاهمدت و بلندمدت پس از رخداد آلودگي كمك ميكند ( ,.Gil-Garcia et al2011). در واقع سادهترين و پراستفادهترين روش تخمين تأخير در حركت آلايندهها بر پايه ضريب توزيع است. به كمك Kd ميتوان بسياري از مكانيسمهاي شيميايي و فيزيكي موثر در ديرآيي آلايندهها را كه تحت تأثير مكانيسمهاي متعدد است، در نظر گرفت (USEPA, 1999a). اندازهگيري اين پارامتر بصورت آزمايشگاهي يا ميداني انجام ميشود. ليكن پژوهشگران نشان دادهاند، مقداري كه براي Kd در نظر گرفته ميشود ميتواند منجر به خطاي قابلتوجهي در پيشبيني اثر مهاجرت آلايندهها در محيط متخلخل و در انتخاب روش پايش محيط آلوده شود (Falamaki, 2013).
تاكنون پژوهشگران متعدد، مدلهاي مختلف براي تخمين Kd ارائه كردهاند. اين مدلها را ميتوان به چهار گروه كليّ تفكيك كرد (USEPA, 1999b): دسته اول مدلهاي ضريب توزيع ثابت هستند. در اين مدلها، مقدار Kd برابر با مقدار ماده جذب شده در واحد جرم خاك نسبت به مقدار مادهاي كه در محلول در حالت تعادل باقي مانده است، در نظر گرفته ميشود. از محدوديتهاي اين مدلها در نظر نداشتن برخي ويژگيهاي خاك -آب مانند مقدار pH يا غلظت يوني محلول است، چراكه با تغيير اين عوامل مقدار ضريب توزيع ميتواند تغيير كند. از آنجا كه مقدار Kd محاسبه شده نشاندهنده توزيع آلايندهها در فاز محلول و جامد براي يك شرايط معين است، پرواضح است كه اين مدلها كارايي خود را در شرايط ناهمگون محيط طبيعي از دست ميدهند.
دسته دوم مدلهاي پارامتريك هستند كه در آنها ضريب توزيع به صورت تابعي از برخي ويژگيهاي مستقل فاز جامد و محلول در نظر گرفته ميشود (USEPA, 1999b).
بنابراين برخلاف روش مقدار ثابت Kd، مدلهاي پارامتريك به يك مجموعه شرايط ثابت محيطي محدود نميشوند، بلكه قادرند مقدار جذب آلاينده را در يك دامنه از تغييرات شرايط محيطي كه براي ايجاد رابطه پارامتريك بكار رفتهاند، توصيف كنند. البته اين روابط آماري دلايل و چگونگي جذب آلايندهها را در نظر نگرفته و به مكانسيم توزيع آلاينده در فاز جامد ارتباطي ندارند (USEPA, 1999a). تاكنون پژوهشهاي متعددي براي تخمين ضريب توزيع آلايندهها بر پايه ويژگيهاي خاك و محلول با كاربرد رگرسيون چند متغيره انجام شده است (Carlon et ,.400al). از ميان اين پژوهشها ميتوان به مطالعه Sauve و همكاران (2000)، براي تخمين Kd برخي فلزات، Carlon و همكاران (2004)، براي تخمين Kd سرب، Gil-Garcia و همكاران (2009)، براي تخمين مقدار Kd تعدادي از عناصر راديواكتيو مانند Sb ،Se ،Ni ،Co ،Cd، Pu و Vandenhove ،Am و همكاران (2009)، براي تخمين مقدار Kd نيكل، Gil-Garcia و همكاران (2011)، براي تخمين مقدار Kd راديواسترانسيم و Gong و همكاران (2012)، براي تخمين ضريب توزيع سه نوع مختلف آنتي- بيوتيك، اشاره كرد.
گروه سوم مدلهاي جذب ايزوترم هستند. اين مدلها زماني كه بار آلاينده بسيار بيشتر از مكانهاي جذب در دسترس است، به كار ميروند (Falamaki, 2013). دو مدل معروف از اين گروه ايزوترم فرندليخ1 و لانگموير2 هستند. اين مدلها ضريب توزيع را تنها به غلظت محلول وابسته دانسته و ساير ويژگيها را در نظر نميگيرند (USEPA, 1999b). از اين گروه ميتوان به پژوهشStaunton (2004) اشاره كرد كه از ايزوترم فرندليخ براي تخمين Kd نيكل استفاده كرده است.
آخرين دسته از مدلهاي تخمين ضريب توزيع، مدلهاي مكانيستيك هستند. اين مدلها بر وابستگي Kd به غلظت آلاينده، غلظت يونهاي رقيب در جذب، تغيير بارهاي سطح جاذب و توزيع ذرات در محلول تأكيد دارند. البته در
1 Freundlich isotherm
محيط پيچيده و ناشناخته طبيعي خاك با سطوح بسيارنامنظم كانيهايش، كاربرد اين مدلها به ندرت ميسر شدهاست (USEPA, 1999b). از اين گروه ميتوان به پژوهش Gil-Garcia و همكاران (2011)، براي تخمين مقدار Kd راديواسترانسيم بر پايه روابط مكانيستيك حاكم بر جذب اين عنصر، اشاره كرد.
مرور مطالعات گذشته نشان ميدهد كه پركاربردترين مدل-هاي تخمين Kd، روشهاي پارامتريك هستند. ليكن يكي از مشكلات معمول اين مدلها، دقت اندك آمارههاي اعتبارسنجي مانند ضريب همبستگي آنهاست (Falamaki, 2013). بنابراين نياز به مدلهايي براي بهبود پيشبيني مقدار Kd ضروري به نظر ميرسد. هدف از اين پژوهش، بررسي امكان استفاده از شبكههاي عصبي مصنوعي (ANN)1، در بهبود تخمين مقدار ضريب توزيع بود. همچنين، افزونبر بررسي توانايي ANN در تخمين Kd و مقايسه نتايج آن با روابط پارامتريك، تأثير هندسه شبكه-هاي عصبي بر افزايش بازدهي آنها نيز بررسي شد. دو فلز كروم (VI) و كادميوم كه از آلايندههاي مهم زيستمحيطي به شمار ميروند، براي مدلسازي در نظر گرفته شدند. اين دو فلز به دليل كاربرد بسيار در صنايع مختلف، به وفور موجب آلودگي خاك و آبهاي زيرزميني شدهاند. تركيبات كروم در رنگسازي، آبكاري، چرمسازي و صنايع محافظ چوب بكار برده ميشوند. مقادير كمتر كروم در صنايعي چون نساجي، گل حفاري، جوهر ماشينهاي كپي، تصفيه آب، سيستمهاي خنك كننده، نوارهاي مغناطيسي و كاتاليستها بكار ميرود. وضعيت اكسيداسيون كروم تخليه شده در محيط به عوامل متعددي وابسته است. كروم (III) بدليل داشتن خاصيت جامد تقريباً خنثي، در داخل خاكها و رسوبات تجمع يافته و غير قابل تجزيه است. بيشترين كاربرد كادميوم نيز در صنايعي مثل باطريهاي نيكل- كادميوم، رنگهاي كادميومي، پوشش كادميوم، آلياژهاي آن و تركيبات الكترونيكي است. اين فلز بسيار سمي بوده و در
1 Artificial Neural Network
مواردي ميتواند منجر به خسارتهاي غير قابل جبران بهمحيطزيست شود (USEPA, 1999a). مواد و روشها دادههاي مورد استفاده
در اين پژوهش به منظور امكانسنجي استفاده از ANN در مدلسازي تغييرات ضريب Kd فلزات سنگين در خاك و تأثير هندسه شبكه در بازدهي، از نتايج ارائه شده در پژوهشهاي گذشته استفاده شد. نتايج تحقيقات Rai و همكاران (1988) براي مدلسازي تغييرات ضريب توزيع كروم (VI) در خاك به كار رفت. در پژوهش آنها مقادير Kd كروم و برخي ويژگيهاي خاك در افقهاي زير سطحي سه نوع خاك به نامهاي كنوما2، پاكولت و كلاودلند اندازهگيري شده است. ويژگيهاي خاك شامل واكنش خاك، بافت، سطح ويژه، ظرفيت تبادل كاتيوني، محتواي كربن آبي و غير آلي، مينرالوژي رس و آهن قابل استخراج بوده است. بر پايه نتايج Rai و همكاران، همچنين ساير پژوهشهاي انجام شده روي اين فلز (USEPA, 1999a)، واكنش خاك نقش كليدي در تعيين مقدار Kd دارد و اين مسأله در pHهاي كمتر خاك، بيشتر مشخص است. در pHهاي كمتر، مقدار Kd در خاكهاي مختلف بسيار متفاوت و دامنه تغييرات آن وسيع است. درحاليكه با نزديك شدن به pH برابر با هشت به نظر ميرسد ضريب توزيع كروم در خاكها به سمت يك عدد همگرا ميشود.
افزون بر واكنش خاك، وجود برخي آنيونهاي رقيب مانند سولفاتها و كربناتها در خاك باعث كاهش مقدار Kd نسبت به مقدار آن در شرايط غير رقابتي ميشود. در نهايت با ارزيابي ارتباط ضريب توزيع كروم با ويژگيهاي متعدد خاك، Rai و همكاران نشان دادند كه Kd كروم (VI) تابعي از مقدار pH، منفي لگاريتم درصد كربن (-log C) و منفي لگاريتم مقدار سولفات محلول خاك (-log S) بر حسب سال

سال

ميليگرم در ليتر است. بنابراين در اين پژوهش نيز اين سه
2 Kenoma



قیمت: تومان

دسته بندی : منابع آب خاک

دیدگاهتان را بنویسید