فهرست مقالات برحسب موضوع آلودگی های محیط زیست
-
دسترسی آزاد مقاله
1 - پیش‌بینی کوتاه مدت غلظت گاز مونو اکسید کربن در هوای شهر اهواز با استفاده از تحلیل شبکه‌های عصبی مصنوعی
مریم کاوسی سیما سبزعلی پور حسین فتحیانمقدمه: آلودگی هوای شهر‌ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می‌باشد. از مهمترین آلاینده‌های هوا می‌توان به اکسیدهای نیتروژن به خصوص دی¬اکسیدنیتروژن، اکسیدهای سولفور به ویژه دی¬اکسیدسولفور، هید چکیده کاملمقدمه: آلودگی هوای شهر‌ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می‌باشد. از مهمترین آلاینده‌های هوا می‌توان به اکسیدهای نیتروژن به خصوص دی¬اکسیدنیتروژن، اکسیدهای سولفور به ویژه دی¬اکسیدسولفور، هیدروکربن‌ها، منواکسیدکربن (CO)، دی¬اکسیدکربن و ذرات معلق اشاره کرد.کلان¬شهر اهواز یکی از آلوده‌ترین شهر‌های ایران می‌باشد که مدیریت زیست محیطی به ویژه در زمینه آلودگی هوا بسیار با اهمیت می‌باشد. هدف از این پژوهش پیش‌بینی غلظت آلاینده CO در هفت روز ابتدای سال 1395 در شهر اهواز می‌باشد. مواد و روش‌ها: بر اساس مطالعات پیشین، متغیر‌های هواشناسی شامل دمای هوا، رطوبت هوا و سرعت باد به عنوان متغیر‌های ورودی مؤثر در شبکه برای پیش‌بینی غلظت گاز COانتخاب شدند. غلظت گاز CO در سال 1394 از طریق سازمان حفاظت محیط زیست شهر اهواز تهیه شد. به منظور توسعه شبکه عصبی پرسپترون چندلایه (MLP) از نرم‌افزار Neuro Solution5 استفاده گردید. به منظور ایجاد شبکه عصبی، 70 درصد از داده‌ها برای آموزش (واسنجی)، 15 درصد برای تست و 15 درصد باقیمانده برای آزمون صحت¬سنجی نتایج حاصل از شبکه مورد استفاده قرار گرفت. نتایج و بحث: به منظور تعین بهترین ساختار شبکه MLP برای پیش‌بینی کوتاه مدت غلظت گاز CO ساختارهای مختلف از لحاظ تعداد لایه‌های میانی، نوع الگوریتم آموزش شبکه، نوع تابع انتقال، تعداد نرون‌های لایه میانی و تعداد تکرار‌های آموزش در نظر گرفته شد. نتایج نشان داد که شبکه MLP با ساختار 1-5-3 (یعنی 3 نرون ورودی، 5 نرون در لایه میانی و یک نرون برای لایه خروجی) با 1500 تکرار آموزش به ازای تابع انتقال تانزانت سیگموئید (Tansig) و الگوریتم آموزش کاهش گرادیان همراه با مؤمنتم (Traingdm)، بهترین شبکه MLP می‌باشد. علاوه بر این، مقادیر شاخص‌های آماری NSE، RMSE و MAE به ازای مرحله آموزش شبکه به ترتیب برابر با 72/0 ، 22/0 و 15/0 می‌باشد. نتیجه‌گیری: آلودگی هوا، چالش اصلی زیست محیطی در اهواز، از ترکیب ترافیک و صنایع نفتی ناشی می¬شود. تأثیرات بهداشتی و زیست محیطی آن نیازمند بررسی جامع است.در این تحقیق از شبکه MLP برای پیش‌بینی مقادیر غلظت گاز CO در هوای شهر اهواز استفاده شد. نتایج نشان می‌دهد که دقت و عملکرد شبکه در پیش‌بینی غلظت گاز CO در سطح مطلوب می‌باشد. در ادامه این تحقیق پیشنهاد می‌شود که پیش‌بینی غلظت دیگر الاینده‌های گازی انجام شود و برای تعیین ساختار بهینه شبکه عصبی مصنوعی از الگوریتم¬های بهینه‌سازی استفاده شود. پرونده مقاله -
دسترسی آزاد مقاله
2 - درجه بندی غلظت گاز سولفید هیدروژن در اطراف منهول های فاضلابرو به کمک شناساگر استات سرب
محمدمهدی تقی زادهمقدمه: تولید گاز سولفید هیدروژن ((H2S در شبکه‌های جمع‌آوری فاضلاب، مشکلات زیادی شامل خوردگی لوله‌های بتنی، تأثیر بر سلامتی و بوی نامطبوع ایجاد می‌نماید. اگرچه شبکه فاضلاب¬رو به شکلی طرح می‌گردد که هوا در آن جریان داشته باشد و تولید گاز H2S حاصل از فرایند بی¬هوازی شدن د چکیده کاملمقدمه: تولید گاز سولفید هیدروژن ((H2S در شبکه‌های جمع‌آوری فاضلاب، مشکلات زیادی شامل خوردگی لوله‌های بتنی، تأثیر بر سلامتی و بوی نامطبوع ایجاد می‌نماید. اگرچه شبکه فاضلاب¬رو به شکلی طرح می‌گردد که هوا در آن جریان داشته باشد و تولید گاز H2S حاصل از فرایند بی¬هوازی شدن در آن اتفاق نیفتد. اما گاهی به علت طراحی نادرست، افزایش دبی، گرفتگی لوله‌ها و یا شکستگی، گاز H2Sاطراف منهول‌ها پراکنده می‌شود. مانیتورینگ شبکه فاضلاب به کمک تعیین مقدار گاز H2Sمی¬تواند به تعمیر به موقع شبکه کمک مهمی نماید. با توجه به هزینه‌های بالای سیستم‌های مانیتورینگ پیشرفته،کنترل مداوم شبکه‌های فاضلاب در کشور‌های در حال توسعه نیاز به ابداع روش‌های ارزان و اقتصادی دارد. هدف از این مقاله ارایه روش ساده رصد کردن گاز H2S به کمک شناساگر تهیه شده از استات سرب، در اطراف منهول‌های شبکه فاضلابرو می‌باشد. مواد و روش‌ها: در این تحقیق با انتخاب 150 منهول در شهر اهواز در ایران و تهیه نوار‌های کاغذی آغشته به استات سرب، و همچنین اندازه‌گیری سرب به کمک گاز سنج قابل حمل مقدار گاز H2S بر اساس رنگ سنجی چشمی مقدار تیرگی ایجاد شده در غلظت‌های مختلف درجه‌بندی شد. سپس با نصب شناساگر‌ها در داخل منهول‌ها و فواصل مختلف از درب منهول‌ها همچنین مدت تماس‌های 24 ساعته و یک هفته، بر اساس قابلیت تشخیص گازH2S ، محل مناسب و مدت زمان تماس مناسب تعیین گردید. نتایج و بحث: نتایج نشان داد که اندیکاتورکاغذ استات سرب غلظت گاز H2S از صفر تا 35ppmنشان می‌دهد. محل مناسب اندازه‌گیری داخل منهول و بهترین زمان تماس اندیکاتور‌ها نیز 24 ساعت تعیین گردید. نتیجه‌گیری: انجام مطالعات برای 150 منهول در شهر اهوازنشان داد که استفاده از این روش ساده و اقتصادی می‌تواند در مانیتورینگ شبکه‌های فاضلاب در کشور‌های کمتر توسعه یافته که امکان استفاده از سنسور‌های پیشرفته مانیتورینگ شبکه موجود نیست، مناسب باشد. پرونده مقاله -
دسترسی آزاد مقاله
3 - بررسی وضعیت موجود پسماندهای چوبی و سرشاخه درختان در شهر تهران
کاظم روغنی شهرزاد خرم نژادیان سمیرا قیاسی علی دهقان بنادکیمقدمه: بخشهای مختلف اکوسیستم شهری تولید کننده پسماند حاوی لیگنین بوده است. این نوع پسماند یا سوزانده می‌شود و یا به مراکز دفن انتقال می‌یابد. در این تحقیق میزان پسماند چوبی که در شهر تهران در بخشهای مختلف تولید می‌گردد بررسی شده است. بخشهای فضای سبز، هرس درختان، صندوق چکیده کاملمقدمه: بخشهای مختلف اکوسیستم شهری تولید کننده پسماند حاوی لیگنین بوده است. این نوع پسماند یا سوزانده می‌شود و یا به مراکز دفن انتقال می‌یابد. در این تحقیق میزان پسماند چوبی که در شهر تهران در بخشهای مختلف تولید می‌گردد بررسی شده است. بخشهای فضای سبز، هرس درختان، صندوق‌های میوه در میادین میوه و تره بار و مبلمان چوبی مستعمل منابع اصلی تولید پسماند با پایه چوب می‌باشند. هدف این پژوهش برآورد میزان پسماندهای چوبی در شهر تهران و تعیین سهم منابع آن بوده است. مواد و روش‌ها: به این منظور میزان پسماند چوبی وارده از مناطق 22 گانه ، میادین تره بار در سال 1400مورد بررسی قرار گرفته است. اطلاعات مورد نظر با بازدید میدانی، تکمیل 100پرسشنامه در هر منطقه و نمونه برداری از پسماندهای رها شده در مناطق مختلف و ایستگاه‌های پردازش پسماند بدست آمده است. پرسشنامه در مناطق 22 گانه شهر تهران تقسیم شد. نتایج حاصل از پرسشنامه و آنالیز فیزیکی پسماند چوبی به‌عنوان اطلاعات اولیه برای تحلیل وضعیت پسماند چوبی شهر تهران بکار گرفته شد. نتایج و بحث: 79% حجم پسماند چوبی در شهر تهران اختصاص به هرس درختان و سرشاخه‌ها داشته است. میزان تولید پسماند چوبی به فصل وابسته بوده است. بیشترین میزان تولید پسماند چوبی به سرشاخه، هرس و پسماند حجیم مربوط به اسفند ماه اختصاص داشته است. مناطق 4 و 5 بیشترین میزان پسماند هرس خانگی و منطقه9 کمترین میزان هرس خانگی را دارا بوده است. میزان پسماندهای حجیم مانند مبلمان و کابینت و... حدود(29%) می‌باشد و (1% ) به پسماند فضای سبز اختصاص یافته است. نتیجه‌گیری: بررسی‌های انجام شده نشان داد که پسماندهای چوبی، حجم عمده‌ای از پسماندهای شهر تهران را به خود اختصاص داده‌اند. نتایج حاصل نشان می‌دهد که بیشترین میزان پسماند چوبی توسط مبل سازان تولید گردیده است. پسماندهای هرس سرشاخه فصلی می‌باشند و در تمامی فصول میزان آنها بالا نبوده است. پیشنهاد می‌گردد که راهکارهایی در زمینه ساماندهی این پسماندها و بازیابی آنها ارائه گردد. پرونده مقاله