آسیب‌پذیری لرزه‌ای منابع آب‌ زیرزمینی بر اساس شکست خط ‌لوله انتقال سوخت با استفاده از روش drastic و شبکه عصبی مصنوعی (مطالعه موردی: دشت تهران)

زمینه و هدف: آب‌های زیرزمینی یکی از منابع اصلی توسعه پایدار در جوامع بشری بوده که با توجه به تامین آب مورد نیاز بخش‌های شرب، کشاورزی و صنعت، آلودگی آن‌ها اثرات مخربی به همراه خواهد داشت. علاوه‌براین، شبکه انتقال سوخت به‌دلیل ذخیره‌سازی و انتقال فرآورده‌های نفتی از اهمیت بالایی برخوردار ‌است. اهمیت این سیستم در هنگام وقوع حوادثی مانند زلزله از جنبه‌های مختلف افزایش می‌یابد. آلودگی منابع آب زیرزمینی براثر نشت از سیستم انتقال سوخت، یکی از اثرات ثانویه زلزله بوده و تاثیر نامطلوبی بر محیط‌زیست و سلامت انسان بر جای می‌گذارد. این تحقیق بر ارزیابی آسیب‌پذیری آب‌های زیرزمینی در اثر خرابی شبکه انتقال سوخت شهری در برابر وقوع زلزله متمرکز بوده که در قالب مطالعات موردی بر شبکه انتقال سوخت شهر تهران و آبخوان دشت تهران-کرج انجام شده‌است. روش پژوهش: در این تحقیق مدلی تلفیقی برای تحلیل آسیب لرزه‌ای و ارزیابی ریسک در شرایط عدم قطعیت در شبکه انتقال سوخت شهر تهران تعریف و اجرا شده‌است. در این مدل پیامدهای آسیب شبکه انتقال سوخت تحت سه سناریو زلزله (با بزرگای 5، 6، 7 ریشتر) بر آلودگی آب‌های زیرزمینی شهر تهران مورد ارزیابی قرار گرفته‌است. علاوه براین استراتژی‌های راهبردی به منظور کاهش اثرات احتمالی آلودگی آب‌های زیرزمینی ناشی از زلزله ارائه شده‌است. مدل پیشنهادی جهت ارزیابی آسیب در خط لوله شبکه انتقال سوخت با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه (ann) توسعه یافته‌است. همچنین برای ارزیابی آلودگی آب‌های زیرزمینی بر اساس نشت سوخت از شبکه انتقال سوخت آسیب دیده، از مدل drastic استفاده شده‌است. در این مطالعات برنامه‌ریزی استراتژیک براساس استفاده از تکنیک‌های تصمیم‌گیری استوار و درجه استواری به منظور کاهش اثرات احتمالی آلودگی آب‌های زیرزمینی با بهره‌گیری از تئوری حداقل-حداکثر تاسف، انجام شده‌است. یافته‌ها: نتایج این تحقیق نشان داد که مدل شبکه عصبی مصنوعی توسعه‌داده شده توانایی بالایی در ارزیابی آسیب (شکست و نشتی) در خط لوله شبکه انتقال سوخت داشته، به گونه‌ای که ریشه میانگین مربع خطا (rmse) و ضریب همبستگی r به ترتیب برابر با 0.029 و 0.98 بود. براساس نتایج، میزان خسارت وارده به خط‌لوله در سناریوی اول (زمین‌لرزه با بزرگای 5 ریشتر) برابر با 15 نشتی و 2 خرابی، در سناریوی دوم ( زمین‌لرزه با بزرگای 6 ریشتر) برابر با 25 نشتی و 7 خرابی و در سناریوی سوم (زمین‌لرزه با بزرگای 7 ریشتر) تعداد نشتی‌ها 27 و 9 شکست بوده‌است. با توجه به نتایج حاصل از آلودگی آبخوان تحت سه سناریوی زلزله، مشخص می‌شود که در سناریوی زمین لرزه با بزرگای 5 ریشتر، 30 درصد آبخوان دارای پتانسیل آلودگی متوسط و 55 درصد پتانسیل آلودگی کم، در سناریوی زمین لرزه با بزرگای 6 ریشتر، 45 درصد آبخوان دارای پتانسیل آلودگی متوسط و 18 درصد پتانسیل آلودگی کم و در سناریوی زمین‌لرزه با بزرگای 7 ریشتر، 55 درصد آبخوان دارای پتانسیل آلودگی متوسط و 22 درصد پتانسیل آلودگی پایینی دارد. در راستای برنامه‌ریزی استراتژیک کاهش آلودگی آبخوان، استراتژی‌های مختلف در مقابل سناریوهای مختلف با معیار حداقل-حداکثر تاسف مورد ارزیابی قرار گرفت و در نهایت سه استراتژی برای کاهش آلودگی منابع آب‌زیرزمینی ارائه شد. با توجه به نتایج، استفاده از استراتژی (عایق بندی محیط پیرامون خط لوله) منجر به کاهش 70 درصدی آلودگی آب‌های زیرزمینی و استفاده از استراتژی (پیاده‌سازی سیستم هوشمند لرزه‌ای برای قطع جریان سیال در وقوع زمین لرزه) که به عنوان استراتژی استوار شناخته شد منجر به کاهش 75 درصدی آلودگی آبخوان شده‌است. نتایج: براساس نتایج حاصل از ارزیابی عملکرد مدل توسعه داده شده در این پژوهش مشخص گردید که مدل ارائه شده دارای عملکرد قابل قبولی در پیش‌بینی آسیب‌پذیری لرزه‌ای خط‌لوله انتقال سوخت و ارزیابی آلودگی آبخوان بوده‌است. این مدل قابلیت پیاده‌سازی در مناطق مختلف شهری و ارزیابی عملکرد سیستم انتقال سوخت تحت سناریوهای مختلف زمین لرزه و نیز ارزیابی آلودگی آب‌های زیرزمینی را داشته و به عنوان یک مدل مرجع می‌تواند به صورت گسترده مورد استفاده فعالان و طراحان قرار گیرد. همچنین بر اساس نتایج حاصل از مدیریت استراتژیک کنترل آلودگی آب‌زیرزمینی، بهره‌گیری از استراتژی پیاده‌سازی سیستم هوشمند لرزه‌ای برای قطع جریان سیال در وقوع زمین‌لرزه می‌تواندبه عنوان یک راهکار فراگیر در راستای کاهش آسیب‌های زیست‌محیطی بر منابع آب زیرزمینی به‌ویژه در مناطق لرزه‌خیز مورد استفاده قرار گیرد.

seismic vulnerability of groundwater resources based on failure of fuel pipeline network using drastic method and artificial neural network (case study: tehran plain)

background and aim: groundwater is one of the main sources of sustainable development in human societies, and due to the supply of water needed by the drinking, agriculture, and industry sectors, their pollution will have destructive effects. in addition, the fuel transmission network is of great importance due to the storage and transportation of petroleum products. the importance of this system increases in various aspects during events such as earthquakes. pollution of underground water sources due to leakage from the fuel transmission system is one of the secondary effects of the earthquake and leaves an adverse effect on the environment and human health. this research is focused on evaluating the vulnerability of groundwater due to the failure of the urban fuel transmission network against the occurrence of an earthquake, which was conducted in the form of case studies on the fuel transmission network of tehran city and the tehran-karaj plain aquifer. method: in this research, a unified model for seismic damage analysis and risk assessment under conditions of uncertainty in the fuel transmission network of tehran city has been defined and implemented. in this model, the consequences of damage to the fuel transmission network under three earthquake scenarios (magnitude 5, 6, 7 on the richter scale) have been evaluated on the pollution of underground water in tehran. in addition, strategic strategies have been presented in order to reduce the effects of groundwater pollution caused by earthquakes. the proposed model uses a multi-layer perception artificial neural network (ann). also, the drastic model has been used to evaluate groundwater pollution based on fuel leakage from the damaged fuel transmission network. in these studies, strategic planning has been done based on the use of robust decision-making techniques and the degree of robustness in order to reduce the probable effects of groundwater pollution by using the theory of minimum-maximum regret. results the results of this research showed that the developed artificial neural network model has a high ability to assess damage(failure-leakage) in the pipeline of the fuel transmission network so that the root-mean-square error (rmse) and the correlation coefficient r are equal to 0.029 and 0.98 respectively. based on the results, the amount of damage to the pipeline in the first scenario (mw=5) is equal to 15 leaks and 2 failures, in the second scenario (mw=6), it is equal to 25 leaks and 7 failures and in the third scenario (mw=7) the number of leaks was 27 and 9 failures. according to the results obtained from aquifer pollution under three earthquake scenarios, it is clear that in the scenario of an earthquake with mw=5, 30% of the aquifer has medium pollution potential and 55% of the potential of low pollution, in the scenario of an earthquake with mw=6, 45% the aquifer has medium pollution potential and 18% has low pollution potential, and in the earthquake scenario with mw=7, 55% of the aquifer has medium pollution potential and 22% has low pollution potential. in line with the strategic planning of aquifer pollution reduction, different strategies were evaluated against different scenarios with the minimum-maximum regret criterion. finally, three strategies were presented to reduce the pollution of underground water resources. according to the results, the use of the strategy (insulation of the environment around the pipeline) led to a 70% reduction in groundwater pollution, and the use of the strategy (implementation of an intelligent seismic system to cut off the fluid flow in the event of an earthquake), which was known as a robust strategy, led to aquifer pollution has been reduced by 75%.