توسعه سیستم پشتیبانی تصمیم گیری مکانی-زمانی برای مدیریت آلودگی آب

آب یکی از منابع مورد استفاده بشری در ابعاد مختلف زندگی و یکی از ارکان اصلی توسعه همه جانبه بشمار می آید. رودخانه ها بعنوان یکی از مهمترین اجزاء منابع آبی، نقش همه جانبه ای در ابعاد مختلف زندگی از قبیل کشاورزی، صنعت، حمل و نقل و توسعه شهری ایفا می کنند، واز آسیب پذیری بالایی در مقابل آلودگی برخوردارند. این آسیب پذیری در کشورهای در حال توسعه متاثر از رشد جمعیت و شهر نشینی، توسعه صنعتی، و ساختار مدیریتی ضعیف ، تشدید شده است. تصمیم گیری در خصوص کنترل و مدیریت آلودگی آبهای سطحی، متاثر از مولفه های محیطی، از پیچیدگی های بسیار بالایی برخوردار است. این پیچیدگیناشی از پویایی محیط و تغییر پذیری مکانی-زمانی بسیار بالا، ابهام و عدم قطعیت در ساختار مفهومی ومتغیرهای مورد استفاده در آلودگی، ماهیت غیر متمرکز آلودگی، ساختار ضعیف، و عدم اطمینان در پیش بینی این پدیده می باشد. توسعه یک سیستم تصمیم گیری برای مدیریت آلودگی آب، با در نظر گرفتن ویژگیهای بالا، مستلزم درک و شناخت ارتباط فضایی و زمانی بین این پدیده و عوامل و فاکتورهای موثر برآن می باشد. رودخانه جاجرود و مخصوصاَ زیر حوضه سد لتیان، یکی از منابع اصلی تامین آب شرب کلان شهر تهران می باشد. فعالیتهای کشاورزی همراه با استفاده از انواع کودهای شیمیایی و آفت کشها، عدم وجود یک سیستم فاضلاب شهری منسجم و یکپارچه، و همچنین بالا بودن تراکم جمعیت در این منطقه متاثر از جمعیت شهر تهران، از جمله مسائل زیست محیطی پیش روی این حوضه آبریز می باشند. برای کنترل ومدیریت مسئله پیچیده ای چون آلودگی آب، شناخت روند زمانی-مکانی آلودگی، تجزیه و تحلیل الگوها و تعیین منشأهای آلودگی، و استخراج دانش و قوانین حاکم بر این پروسه، ضروری بنظر می رسد. بر همین اساس در این تحقیق بمنظور تحلیل رفتار دینامیک متغیرهای مهم در آلودگی شامل رواناب و رسوب، از انواع الگوریتمهای تحلیل سری زمانی arima، شبکه های عصبی رگرسیون تعمیم یافته، شبکه های پرسپترون چند لایه، شبکه های بازگشتی با تاخیر زمانی، و روش ترکیبی فازی- عصبی استفاده گردید. برای ارائه تصویری روشنتر از الگوهای آلودگی و تحلیل ارتباط کمی بین پارامترهای آلودگی و متغیرهای مربوطه، از انواع روشهای تحلیل چند متغیره مانندabsolute principal component score-multiple linear regression(apcs-mlr) استفاده شد. دو داده استخراج شده ازسنجنده modis شامل ndvi وlst(land surface temperature) بعنوان متغیرهای مرتبط با وضعیت پوشش سطحی در این مرحله استفاده شدند. این دو محصول در کنار متغیرهایی مانند دبی، دمای آب، و بارندگی، بعنوان متغیرهای محیطی موثر در فرایند آلودگی مد نظر قرار گرفتند. سپس نتایج حاصل از تحلیلهای چند متغیره در الگوریتم مجموعه های راف مورد استفاده قرار گرفتند. همچنین از دو نوع الگوریتم مجموعه های راف برای استخراج قواعد مربوط به آلودگی شامل نوع کلاسیک و نسخه جدیدی از آن تحت عنوان (variable-consistency dominance based rough set approach) vc-drsa استفاده شد. بمنظور افزایش کارایی در استخراج قواعد، در نوع کلاسیک آن از پنج روش شامل exhaustive algorithm، genetic algorithm،covering algorithm ، lem-2، و تصمیم گیری درختی استفاده شد. نتایج کار با نتایج یک شبکه عصبی با ساختار دینامیک بنام ltf-c مقایسه گردید. بخاطر خاصیت ترتیب پذیری پارامترها و متغیرهای آلودگی، نوع vc-drsa این الگوریتم همراه با اعمال روشهای فیلترینگ بر داده های ورودی پیاده سازی شد وبهبود قابل ملاحظه ای در نتایج ایجادشد. بر اساس داده ها و قواعد استخراج شده از الگوریتم راف، یک سیستم تصمیم گیری هوشمند عامل مبنا، با عنوان سیستم خردگرا تهیه شد که بر اساس آن عاملهای هوشمندی بنام judge به مدیریت آلودگی آب می پردازند. این عاملهای هوشمند بر اساس استراتژیهای تعیین شده، وظیفه بهینه سازی متغیرهای محیطی مرتبط با آلودگی را بعهده دارند. نتایج حاصل از تحلیل سریهای زمانی، کارایی بالای روشهای شبکه عصبی، بویژه نوع با تاخیر زمانی آن را نشان داد. استفاده مناسب از زنجیره ای از روشهای تحلیل چند متغیره، نشان داد که این روشها می توانند بخشی از الگوهای پیچیده و دینامیکی آلودگی آب را ارائه نمایند. از جمله نتایج قابل توجه در این مرحله، تبیین برخی از منشأهای آلودگی آب بوسیله داده های ndvi و lst برای اولین بار بود. تاثیر این دو متغیر بعنوان عوامل غیر نقطه ای آلودگی قابل ملاحظه بود. استفاده از روش تحلیل فاکتور در کارهای بعدی پیشنهاد می شود. بکارگیری الگوریتم راف در دو نوع کلاسیک و vc-drsa، برخی قواعد مرتبط با آلودگی را ارائه کرد. نتایج حاصل از تحلیل قواعد، حاکی از وجود ارتباط فضایی و زمانی بین پارامترهای آلودگی و متغیرهای محیطی موثر بر آن می باشد. همچنین با کمک این الگوریتم، نقش زمانی ndvi در آلودگی آب در زمانهای مختلف تعیین گردید. نتایج و اعتبارسنجی نتایج حاصل از سیستم تصمیم گیری خردگرا نشان داد که می توان با تعریف استراتژیهای مختلف، مدیریت بهینه و کارامدی بر آلودگی داشت. نگرشی جامع تر به استراتژیها و محدودیتها می تواند از جمله راهکارهای آینده باشد.