کنترل آلودگی نیترات در آب زیرزمینی با استفاده از مدل بهینه‌سازی

نیترات یکی از مهم‌ترین آلاینده‌هایی است که از منابع مختلف مانند کودهای شیمیایی، آفت‌کش‌ها و یا فاضلاب‌های خانگی و صنعتی وارد آب‌های زیرزمینی می‌شود. در این پژوهش به‌منظور مدیریت بهینه آبخوان‌های آلوده به نیترات، از مدل شبکه عصبی مصنوعی برای شبیه‌سازی تغییرات غلظت نیترات استفاده شد و به‌منظور استخراج مقادیر بهینه برداشت از آبخوان آب زیرزمینی، با حفظ محدودیت غلظت نیترات در حد استاندارد، از یک مدل بهینه‌ساز استفاده شد. برای دستیابی به این هدف از مدل‌ بهینه‌سازی مجموعه ذرات بهره گرفته شد. با توجه به این که در سال‌های اخیر، آلودگی غلظت نیترات در آبخوان کرج افزایش یافته است، بخشی از این آبخوان به‌عنوان 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 می‌دهد که بر اساس الگوریتم بهینه‌سازی 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 منطقه‌ای در میزان برداشت در آبخوان آلوده کرج، می‌توان از افزایش غلظت نیترات در نواحی بحرانی جلوگیری نمود.