بهینه سازی تکنیکهای توسعه کم اثر (LID) با در نظر گرفتن ملاحظات اقتصادی در بهبود کیفیت روانابهای سطحی
Publish place: دومین کنفرانس ملی مدیریت کلانشهرها با رویکرد محیط زیست
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,045
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MMCONF02_007
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
رویکردهای امروزی مدرن مدیریت روانابهای سطحی، از تکنیکهای توسعه کماثر/بهترین اقدامات مدیریتی به عنوان تکنولوژی های جدید موثر با هدف فراهم نمودن امکان نفوذ روانابهای سطحی به زمین، کاهش حرکت آلاینده ها از زمین به آبهای سطحی یا زیرزمینی، حفظ کیفیت منابع آب پذیرنده و ... استفاده مینمایند. با توجه به گستردگی انواع تکنیکهای توسعه کماثر/بهترین اقدامات مدیریتی و تاثیرات متفاوت بکارگیری ترکیب انواع این تکنیکها در کنترل کمیت و کیفیت روانابهای سطحی، انتخاب نوع، چگونگی ترکیب و گستردگی سطحی استفاده از این تکنیکها، مساله پیچیدهای خواهد بود. به منظور مواجهه با پیچیدگیهای حل این مساله، ابزارهای شبیهسازی-بهینهسازی ابزارهای موثری شناخته میشوند. در اینکار تحقیقاتی مدل شبیهسازی SWMM در ارتباط با مدل بهینه سازی چند هدفه هوش جمعی ذرات (MOPSO) با هدف بهبود شرایط کمیت و کیفیت روانابهای سطحی و کاهش هزینههای اقتصادی استفاده میگردد. رویکرد پیشنهادی در این تحقیق در شهرک گلستان واقع در منطقه 22 تهران با اهداف کاهش بار BOD5 حوضه شهری شهرک گلستان و کاهش هزینههای اقتصادی اجراء، نگهداری و بهرهبرداری از تکنیکهای توسعه کماثر/بهترین اقدامات مدیریتی در قالب مساله بهینهسازی دو هدفه مورد آزمون قرار خواهد گرفت. تکنیکهای توسعه کماثر/بهترین اقدامات مدیریتی مورد بررسی در این تحقیق آسفالت متخلخل، ترانشههای نفوذ، سیستمهای ماند بیولوژیکی و حوضچههای تاخیری میباشند. بر اساس نتایج حاصل، بکارگیری تکنیکهای توسعه کماثر در سطح حوضه شهری مورد مطالعه سبب کاهش 20% در بار BOD5 نسبت به گزینه عدم بکارگیری این تکنیکها خواهد داشت.
Keywords:
Authors
مطهره سعادتپور
دکتری مدیریت کیفیت منابع آب، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران
رویا خلیلی
کارشناسی ارشد مهندسی محیط زیست، دانشکده محیطزیست، کرج، البرز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :