فصلنامه

---

MicrosoftInternetExplorer4 زمینه و هدف: آرسنیک یکی از سمی­‌ترین آلاینده­‌های آب‌‌های زیرزمینی و خاک است. قابلیت تجمع زیستی آرسنیک (III) در گیاهان از طریق آبیاری با آب­‌های آلوده به این آلاینده و نیز ورود آن به زنجیره غذایی موجودات زنده، خطرات جبران ناپذیری به بار می‌آورد. هدف از این بررسی، مطالعه امکان حذف آرسنیک (III) از آب ‌های آلوده با استفاده از نانوذرات پراکسید کلسیم سنتز شده و پارامترهای موثر بر آنست. هم‌چنین تاثیر افزودن نانوذرات بر فاکتورهای مهم آّبیاری بررسی گردید.
روش بررسی: در این تحقیق ابتدا نانوذرات پراکسید کلسیم به شیوه شیمیایی مورد سنتز قرار گرفته و سپس کارایی آن در حذف آرسنیک از نمونه‌های آبی آلوده به آن مورد بررسی قرار گرفت. و نیز تاثیر عوامل موثر بر این فرایند چون pH، غلظت­‌های متفاوت آرسنیک (III) و نانوذرات نیز مورد مطالعه قرار گرفت. نهایتا نتایج مربوط به اثر نانوذرات بر شاخص‌­های مهم کیفی آب آبیاری ارایه شد.
یافته‌ها: نتایج به دست آمده از این تحقیق مشخص ساخت که اندازه ذرات تولیدی در محدوده nm  25-15 بوده و هم‌چنین نتایج مشخص نمود که کارایی نانو ذرات تولیدی با غلظت mg/L 40و در محدوده pH آبیاری (5/8-5/6) در حذف آرسنیک (III) با غلظت اولیه  /L μg 004 از آب آلوده در زمان تماس min03، حدود 88% بوده است. هم چنین نانوذرات فوق، تاثیر منفی بر فاکتورهای مهم کیفی آب آبیاری نداشت.
نتیجه ‌گیری: در مجموع می­‌توان نتیجه گرفت که نانوذرات پراکسید کلسیم بر پایه اکسیداسیون شیمیایی در محل، اثر قابل توجهی در کاهش غلظت آرسنیک (III) تا کمتر از استانداردهای توصیه شده برای آب آبیاری دارد. سرعت بالای فرایند و زمان نسبتا کوتاه واکنش، هم‌چنین عدم اثرات منفی بر پارامترهای مهم آبیاری نشان می‌ دهد که نانوذرات پراکسید کلسیم سنتز شده، توانایی بالایی در حذف آرسنیک (III) ازآب‌های آلوده را دارند.

---

زمینه و هدف: رودخانه‌ها مهم‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعت به شمار مـی‌آینـد و به‌علـت اینکه از بسترها و مناطق مختلفی می‌گذرند و در ارتباط مستقیم با محیط پیرامون خود هـستند نوسـانات کیفـی زیادی دارند. از این‌رو بررسی و تخمین تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مـورد توجـه قرار گیرد. در این تحقیق از یک مدل تلفیقی موجکی و شبکه عصبی مصنوعی، جهت تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و نسبت جذبی سدیم) رودخانه‌های جاجرود تهران و قره‌سو کرمانشاه طی یک دوره آماری 24 ساله استفاده شده است. روش بررسی: در تحقیق حاضر، با استفاده از توان بالای موجک در شناسایی سیگنال‌ها و جداسازی سیگنال‌های خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه‌های مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (r)، ضریب کارایی نش- ساتکلیف (NS)، ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) انجام پذیرفت. یافته‌ها: نتایج برآمده از تحقیق نشان داد که مدل بهینه شبکه عصبی موجکی با ضریب همبستگی بالای 9/0 قابلیت بالایی در تخمین پارامتر SAR در ایستگاه‌های مورد مطالعه دارد. همچنین در مورد پارامترهای EC و TDS دقت بالا و میزان خطای پایین مدل توسعه یافته عصبی موجک نسبت به مدل شبکه عصبی مصنوعی مشهود بود. نتیجه‌گیری: با توجه به کارایی بالای شبکه عصبی موجکی در پیش‌بینی پارامترهای کیفی آب رودخانه‌ها می‌توان از این مدل جهت اتخاذ تصمیمات مدیریتی و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.