سایت بهداشت محیط ایران

سایت بهداشت محیط ایران

بهداشت محیط،آب وفاضلاب، مواد زائد ، بهداشت مواد غذایی،استخدامی بهداشت محیط
سایت بهداشت محیط ایران

سایت بهداشت محیط ایران

بهداشت محیط،آب وفاضلاب، مواد زائد ، بهداشت مواد غذایی،استخدامی بهداشت محیط

گام‌های شبیه سازی کیفیت آب بدنه‌های آبی

گام‌های شبیه سازی کیفیت آب بدنه‌های آبی

انجام تحقیقاتی جامع پیرامون کیفیت آب رودخانه ها با استفاده از ابزارهای مدیریتی همچون مدل های ریاضی و کامپیوتری به منظور آگاهی از روند تغییرها و پیش بینی کیفیت آب آنها با توجه به برنامه های آینده توسعه شهری، کشاورزی، وصنعتی امری ضروری بنظر می رسد. در خصوص آلودگی رودخانه ها مدلهای فراوانی وجود دارد که کاربرد و محدودیت هر کدام با توجه به اهداف پیش بینی شده در مدل مشخص می شود. آنچه که بسیار اهمیت دارد و در بین مدل های پیرامون کیفیت آب مشترک است، گام‌های شبیه سازی کیفیت آب بدنه‌های آبی می باشد. برای یافتن این پرسش تا آخر با ما همراه باشید.

گام اول (شناسایی مسئله)

در این گام مدل‌ساز باید دقیقاً خواسته‌ی مشتری، محدودیت‌ها، گزینه‌های کنترلی و اطلاعات موجود (فیزیکی، شیمیائی و بیولوژیکی بدنه‌ی آبی) را شناسایی نماید. درنهایت با وجود این اطلاعات، ایده‌ی اولیه‌ی خود را برای حل مسئله، گام زمانی و مکانی موردنیاز و کنتیک واکنش‌ها مشخص نمای.

گام دوم (انتخاب یا ساخت مدل)

معمولاً یک بسته‌ی نرم‌افزاری برای مدل‌سازی انتخاب می‌گردد. در مواردی برای شرایط خاص مسئله ممکن است بسته نرم‌افزاری خاصی موجود نباشد. به این معنی که گام زمانی و مکانی موردنیاز حل مسئله و یا فرآیند خاص حاکم بر  مسئله به گونه‌ای باشد که نرم‌افزاری قابلیت شبیه‌سازی این موارد را نداشته باشد. در این صورت با شناخت مناسب از مسئله و دانش شبیه سازی کیفیت آب ، ساخت یک مدل عددی برای حل مسئله آغاز می‌شود.

مدل‌های کیفی منابع آب سطحی مدت‌هاست که دستخوش توسعه و تغییرات بوده است. از زمان Streeter  و Phelps که اولین مدل کیفی منابع آب را به نام S-P model ساختند تا کنترل آلودگی رودخانه‌ای در ایالت اوهایو آمریکا را مورد بررسی قرار دهند، مدل‌های کیفی منابع آب سطحی پیشرفت‌های بسیاری را به خود دیده‌اند. به‌طورکلی مدل‌های کیفی منابع آب سطحی سه دوره مهم را از سال ۱۹۲۵ تاکنون پشت سر گذاشته‌اند.

  1. پیدایش مدل‌های کیفی منابع آب سطحی (۱۹۲۵ تا ۱۹۶۵)
  2. توسعه مدل‌های کیفی منابع آب سطحی (۱۹۶۵ تا ۱۹۹۵)
  3. تعمیق مدل‌های کیفی منابع آب سطحی (۱۹۹۵به بعد)
بعضی از مدل‌های شبیه سازی کیفیت آب بر روی زمینه‌ی خاصی از مسئله (متغیر خاصی از کیفیت آب) تمرکز دارند ، مانند اکسیژن محلول یا مقدار مواد آلی. مدل‌های دیگر که عمومیت بیشتری دارند قادر به شبیه‌سازی چندین متغیر کیفی آب هستند. همچنین بعضی از مدل‌ها برای پهنه‌ی خاصی از منابع آبی مانند رودخانه‌ها، دریاچه‌ها و خورها طراحی شده‌اند و مدل‌های عمومی‌تر برای منابع آبی مختلف، قابل‌اجرا و اعمال هستند. هر مدل کیفیت آبی نیازمند دسته‌ای از اطلاعات و خصوصیات مسئله می‌باشند. از این رو بهره‌وری درست و صحیح از این مدل‌ها در مرحله‌ی اول مستلزم مطالعه عمیق و بررسی است، و در مرحله‌ی بعدی نیازمند آگاهی از نقاط قوت، ضعف و همچنین محدودیت‌های مدل موردنظر می‌باشد. انتخاب مدل مناسب بستگی به هدف مطالعات و پروژه مورد نظر دارد. بهترین معیار جهت انتخاب مدل، انتخاب ساده‌ترین مدل است که در مسئله مورد نظر کاربرد قابل ملاحظه‌ای داشته باشد.

گام سوم (اجرای اولیه مدل)

ممکن است که داده‌های موردنیاز مدل هنوز کامل نباشد، اما اجرای اولیه‌ی مدل صورت می‌گیرد و نتایج اولیه به مدل‌ساز نشان می‌دهد که کمبود داده‌ها و یا نقص در فرآیندهای حاکم در مسئله چگونه است. همچنین این مرحله می‌تواند به شناخت پارامترهای مهم (اثرگذارتر) در شبیه‌سازی کمک کند. زمانی که طرح با محدودیت‌های مالی همراه است، شناخت پارامترهای مهم در مدل‌سازی امری ضروری است. یکی از راه‌های شناسایی پارامترهای مهم آنالیز حساسیت است. تحلیل حساسیت به‌منظور شناسایی پارامترهایی است که بیشترین تأثیر را روی خروجی‌های مدل ساخته شده دارند. مرور منابع موردبررسی نشان می‌دهد که در اغلب مدل‌سازی‌های کیفی رودخانه، تحلیل حساسیت مدل اکسیژن محلول به‌عنوان متغیر کیفی شاخص بررسی شده است.

گام چهارم (کالیبراسیون مدل)

شبیه سازی کیفیت آباین مرحله شامل تغییر پارامترهای مدل برای رسیدن به یک مقبولیت بهینه بین خروجی‌های مدل و داده‌های اندازه‌گیری شده می‌باشد. جمع‌آوری داده‌های کالیبراسیون مدل باید برای شرایط مسئله انجام شود. برای مثال، اگر هدف آنالیز تخلیه‌ی پساب در رودخانه است، بحرانی‌ترین حالت کیفی در زمان دبی حداقل رودخانه اتفاق می‌افتد. بنابراین داده‌های مورد استفاده برای کالیبراسیون باید در تابستان که حداقل جریان در رودخانه برقرار است، جمع‌آوری شود. کالیبراسیون با چنین داده‌هایی مفید خواهد بود، اما اگر از داده‌های جمع‌آوری شده در بهار (در زمان وقوع سیلاب‌ها) استفاده کنیم، از این مدل کالیبره شده برای هدف قبلی نمی‌توان استفاده کرد و نتایج آن قابل اعتماد نمی‌باشد.

نگرش مهندسی و دانش کیفیت آب  مدل‌ساز در مرحله‌ی کالیبراسیون بسیار مهم است. شبیه‌ساز باید از محدوده‌ی تغییرات ضرایب کالیبراسیون اطلاع داشته باشد و علل احتمالی تغییرات نامعقول آن‌ها را بیاید، برخی از ضرایب را با توجه به شرایط مسئله و واقعیت، ثابت فرض نماید و با تغییر در سایر ضرایب در محدوده‌ی درست، کالیبراسیون مدل را انجام دهد. لازم به ذکر است که تطابق بین داده‌های اندازه‌گیری شده و نتایج مدل در مرحله‌ی کالیبراسیون، دلیل کافی برای تأیید کالیبراسیون صحیح مدل نمی‌باشد. علاوه بر تطابق بین داده‌های اندازه‌گیری شده و شبیه‌سازی‌های مدل، باید ضرایب کالیبراسیون در محدوده‌ی درست قرار داشته باشند و همچنین مدل کالیبره شده در مرحله‌ی صحت‌سنجی به درستی پاسخ دهد.

گام پنجم (صحت سنجی مدل)

 مدل کالیبره شده، تنها برای یک سری داده پاسخ مناسبی داشته است. برای استفاده‌ی مطمئن از مدل در پیش‌بینی‌های آینده، نیاز به صحت‌سنجی مدل کالیبره شده می‌باشد. در این گام، مدل کالیبره شده برای یک سری داده‌ی جدید(یا ایده آل، برای چند سری داده‌ی جدید) اجرا می‌شود. در این مرحله، تابع تحریک و پارامترهای فیزیکی تغییر می‌کنند. در مقابل، ضرایب کالیبره شده، بدون تغییر و برابر با همان مقداری که از کالیبراسیون اصلی به دست آمده‌اند، در نظر گرفته می‌شوند. اگر در این مرحله، تطابق خوبی بین داده‌های مشاهداتی و شبیه‌سازی شده وجود داشته باشد، مدل برای استفاده در هدف مورد نظر مناسب است.

گام ششم (استفاده از مدل، بررسی مشکل و راهکارها)

مدل پس از کالیبره و صحت‌سنجی، برای مسئله‌ای خاص مورد استفاده قرار می‌گیرد. مطالعات مدل‌سازی که تاکنون صورت گرفته، منجر به ارائه‌ی راهکارهای مفید برای حل مشکلات کیفی شده است. برای مثال، ممکن است، یک تصفیه‌خانه‌ی فاضلاب ساخته شود و یا توانایی تصفیه‌ی آن ارتقاء یابد، یا اینکه بهبود زیست‌محیطی مانند، هوادهی، لایروبی یا رهاسازی جریان به‌کاربرده شود. تأثیرگذاری هر یک از این راهکارها یا سایر راهکارهای دیگری که برای حل مشکل کیفی وجود دارد را می‌توان با اجرای مدل ارزیابی و درنهایت با مقایسه‌ی کارایی هریک از راهکارها، هزینه‌ی هرکدام، مزایا و معایب، محدودیت‌ها و سایر عوامل دیگر، بررسی و سپس راهکار بهینه را برای حل مشکل انتخاب نمود.

گام هفتم (پایش پس از اجرای طرح)

پس از اجرای راهکار بهینه برای حل مشکل، بررسی پاسخ واقعی سیستم به این راهکار می‌تواند اعتبار پیش‌بینی که به‌واسطه‌ی مدل‌سازی انجام شده بود را نشان دهد. در موارد بسیار کمّی، پایش کیفی تطابق بین نتیجه‌ی واقعی و نتیجه‌ی پیش‌بینی شده را نشان می‌دهد و در بسیاری از موارد تفاوت‌هایی وجود دارد. گرچه این تفاوت‌ها می‌تواند مدل اصلی را تخریب کند، اما این اختلافات بسیار مفید است و اغلب سرنخ‌هایی را از مکانیزم‌ها و داده‌های گم شده به ما می‌دهد و در نهایت می‌توان، با استفاده از آن‌ها یک مدل توسعه‌یافته با کارایی بهتر برای آینده ساخت.



















جهت اطلاع از مطالب به روز سایت به کانالهای ما در شبکه های اجتماعی بپیوندید.



   

(جهت دسترسی به مطالب به روز به سمت چپ سایت بخش آخرین مطالب مراجعه کنید)