Ανάπτυξη μοντέλου πρόβλεψης ρύπανσης υδάτινων πόρων με τη χρήση δικτύου πολυπαραμετρικών αισθητήρων

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Development of a water pollution prediction model using a multi-parameter sensors network
Ανάπτυξη μοντέλου πρόβλεψης ρύπανσης υδάτινων πόρων με τη χρήση δικτύου πολυπαραμετρικών αισθητήρων

Sfikas, Athanasios
Σφήκας, Αθανάσιος

PhD Thesis

2015


Στα πλαίσια της παρούσας διδακτορικής διατριβής εγκαταστάθηκε και μελετήθηκε ένα δίκτυο αποτελούμενο από τρία συστήματα πολυπαραμετρικών αισθητήρων για τη συνεχή παρακολούθηση των ποιοτικών χαρακτηριστικών των υδατικών πόρων εντός της ευρύτερης περιοχής των ορυχείων λιγνίτη Πτολεμαΐδας της ΔΕΗ Α.Ε. για μια περίοδο περίπου 10 μηνών (Μάρτιος – Δεκέμβριος 2010). Τα αποτελέσματα των φυσικοχημικών παραμέτρων που μετρήθηκαν (θερμοκρασία, pH, αγωγιμότητα, Cl-, SO4-2, NO3-) αφού πρώτα ελέγχθηκαν για την αξιοπιστία τους, στη συνέχεια υπέστησαν επεξεργασία με βάση συγκεκριμένες στατιστικές τεχνικές και συσχετίσθηκαν τόσο μεταξύ τους όσο και με άλλες παραμέτρους όπως τη βροχόπτωση και τις ογκομετρικές παροχές από τις εκροές των αντλιοστασίων ορυχείων στα επιφανειακά ύδατα (ρέμα Σουλού), με στόχο τη διερεύνηση στατιστικά σημαντικών συσχετίσεων για τον εντοπισμό/πρόβλεψη ενδεχόμενων επεισοδίων ρύπανσης. Η μεθοδολογία που αναπτύχθηκε παρουσιάζει αρκετά ικανοποιητικό βαθμό αξιοπιστίας και προβλεπτικής ικανότητας, λαμβάνοντας πάντα υπόψη μη προβλέψιμους εξωγενείς παράγοντες καθώς και λοιπούς περιορισμούς που εμφανίζει η έρευνα πεδίου (π.χ. ασυνέχεια μετρήσεων).
A network of three multi-parametric sensor systems was installed and studied for monitoring the quality characteristics of the water resources in the region of Ptolemaida lignite mines of PPC SA for a period of about 10 months (March-December 2010). The physicochemical parameters measurements (temperature, pH, conductivity, Cl-, SO4-2, NO3-) after being checked for their reliability, they were processed based on specific statistical techniques and related with each other, as well as with other parameters such as rainfall and volumetric flow drainage of lignite mines in surface water (Soulou stream), in order to examine statistically significant correlations for the detection / prediction of potential pollution incidents.The developed models presented quite satisfactory level of reliability and predictive ability; however, utilization of this methodology should be carried out by taking into account certain limitations, such as non-predictable external factors and other restrictions related to the field research (e.g. discontinuity of data).

Επιστήμες Μηχανικού και Τεχνολογία ➨ Περιβαλλοντική Μηχανική

Περιβαλλοντική Μηχανική
Στατιστικές τεχνικές
Lignite mines
Multi-parametric sensor network
Δίκτυο πολυπαραμετρικών αισθητήρων
Εντοπισμός επεισοδίων ρύπανσης
Pollution prediction model
Identification of pollution incidents
Επιστήμες Μηχανικού και Τεχνολογία
Engineering and Technology
Μοντέλο πρόβλεψης ρύπανσης
Ορυχεία λιγνίτη
Water quality monitoring
Environmental Engineering
Παρακολούθηση ποιότητας υδάτων
Statistical techniques

Ελληνική γλώσσα

University of Western Macedonia
Πανεπιστήμιο Δυτικής Μακεδονίας

Πανεπιστήμιο Δυτικής Μακεδονίας. Σχολή Πολυτεχνική. Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.