PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Analiza zmian wybranych wskaźników jakości wody w systemie wodociągowym

Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
EN
Analysis of the changes in water quality parameters in a municipal water supply system
Języki publikacji
PL
Abstrakty
PL
Analiza zmian wskaźników jakości wody umożliwia ocenę zagrożenia wystąpienia pogorszenia się jej jakości u odbiorców, pozwala na podjęcie działań naprawczych w sytuacji przekroczenia dopuszczalnych wartości tych wskaźników, a także umożliwia opracowanie modeli prognostycznych służących przewidywaniu zmian wybranych wskaźników jakości, na podstawie zgromadzonych w dłuższym okresie danych pomiarowych. W pracy przeprowadzono analizę zmian wybranych wskaźników jakości wody w istniejącym systemie dystrybucji wody w wybranych punktach oraz określano związki między nimi. Okres badań trwał 8 miesięcy, próbki pobierane były 4 razy w miesiącu. Określono korelacje między wszystkimi parami wskaźników jakości wody, przedstawiono modele predykcji dla przyjętych założeń. Obliczenia wykonano wykorzystując program STATISTICA 13.1 firmy SoftStart Polska.
EN
The analysis of changes in water quality parameters enables to assess the risk related to deterioration of the quality of water supplied to consumers. It also allows taking corrective actions in the case of exceeding the permissible values of these parameters and developing prognostic models to predict changes of selected quality parameters, based on the measurement data collected over a longer period of time. This paper presents an analysis of changes in water quality parameters in the existing water distribution system at the selected points and the relationships between these parameters. The research period lasted 8 months, whereas the samples were collected four times a month. The correlations between all pairs of water quality parameters were determined, and prediction models for the adopted assumptions were presented. The calculations were performed using the STATISTICA 13.1 software by SoftStart Polska.
Rocznik
Tom
Strony
7--11
Opis fizyczny
Bibliogr. 27 poz., rys., tab.
Twórcy
  • Politechnika Lubelska, Wydział Inżynierii Środowiska, Katedra Zaopatrzenia w Wodę i Usuwania Ścieków, Nadbystrzycka 40B, 20-618 Lublin
  • Politechnika Lubelska, Wydział Inżynierii Środowiska, Katedra Zaopatrzenia w Wodę i Usuwania Ścieków, Nadbystrzycka 40B, 20-618 Lublin
Bibliografia
  • [1] Aguilera P.A., Frenich G., Torres J.A., Castro H., Martinez Vidal J.L., Canton M. 2001. Application of the kohonen neural network in coastal water management: methodological development for the assessment and prediction of water quality, Water Research, vol. 35 (17): 4053–4062.
  • [2] Bąk J., Dąbrowski W. 2012. Wpływ materiałów kontaktujących się z wodą wodociągową na rozwój mikroorganizmów w systemie zaopatrzenia w wodę, Gaz, Woda i Technika Sanitarna, vol. 10: 411–412.
  • [3] Carle M.V., Halpin P.N., Stow C.A. 2005. Patterns of Watershed Urbanization and Impacts on Water Quality, Journal od the American Water Resources Association, vol. 41 (3): 693–708.
  • [4] Gazzaz N.M., Yusoff M.K., Aris A.Z., Juahir H., Ramli M.F. 2012. Artificial neural network modeling of the water quality index for Kinta River (Malaysia) using water quality variables as predictors, Marine Pollution Bulletin, vol. 64 (11): 2409–2420.
  • [5] Ginige M.P., Wylie J., Plumb J. 2011. Influence of biofilms on iron and manganese deposition in drinking water distribution systems, The Journal of Bioadhesion and Biofilm Research, vol. 27 (2): 151–163.
  • [6] Golfinopoulos S.K., Arhonditsis G.B. 2002. Multiple regression models: A methodology for evaluating trihalomethane concentrations in drinking water from raw water characteristics, Chemosphere, vol. 47: 1007–1018.
  • [7] Habuda-Stanić M., Santo V., Sikora M., Benkotić S. 2013. Microbiological quality of drinking water in public and municipal drinking water supply systems in Osijek-Baranja Country, Croatia, Croatian Journal of Food Science and Technology, vol. 5 (2): 60–69.
  • [8] Haghiabi A.H., Nasrolahi A.H., Parsaie A. 2018. Water quality prediction using machine learning methods, Water Quality Research Journal, vol. 53 (1): 3–13.
  • [9] Heddam S., Kisi O. 2018. Modelling daily dissolved oxygen concentration using least square support vector machine, multivariate adaptive regression splines and M5 model tree, Journal of Hydrology, vol. 559: 499–509.
  • [10] Hu J., Dong H., Xu Q., Ling W., Qu J., Qiang Z. 2018. Impacts of water quality on the corrosion of cast iron pipes for water distribution and proposed source water switch strategy, Water Research, vol. 129: 428–435.
  • [11] Hwang S.A., Hwang S.J., Park S.R., Lee S.W. 2016. Examining the Relationships between Watershed Urban Land Use and Stream Water Quality Using Linear and Generalized Additive Models, Water, vol. 8 (4): 155–170.
  • [12] Katimon A., Shahid S., Mohsenipour M. 2017. Modeling water quality and hydrological variables using ARIMA: a case study of Johor River, Malaysia, Sustainable Water Resources Management, vol. 4 (3): 1–8.
  • [13] Kłos M., Gumińska J. 2011. Zastosowanie sterowania dawką koagulantu w czasie rzeczywistym w celu zwiększenia skuteczności procesu koagulacji, Ochrona Środowiska, vol. 33 (4): 71–76.
  • [14] Lane R.R., Day J.W., Marx B., Reves E., Kemp G.P. 2002. Seasonal and spatial water quality changes in the outflow plume of the Atchafalaya River, Louisiana, USA, Estuaries, vol. 25 (1): 30–42.
  • [15] Lee D.J., Howitt R.E., Mariño M.A. 1993. A stochastic model of river water quality: Application to salinity in the Colorado River, Water Resources Research, vol. 29 (12): 3917–3923.
  • [16] Mishra B.K., Priya T., Gupta S.K., Sinha A. 2016. Modeling and characterization of natural organic matter and its relationship with the THMs formation, Global NEST Journal, vol. 18 (4): 803–816.
  • [17] Mohammadpour R., Shaharuddin S., Chang C.K., Zakaria N.A., Ghani A., Chan N. 2015. Prediction of water quality index in constructed wetlands using support vector machine, Environmental Science and Pollution Research, vol. 22 (8): 6208–6219.
  • [18] Narany T.S., Aris A.Z., Sefie A., Keesstra S. 2017. Detecting and predicting the impact of land use changes on groundwater quality, a case study in Northern Kelantan, Malaysia, Science of the Total Environment, vol. 599: 844–853.
  • [19] Nieto G.P.J., Gonzalo G.E., Fernandez A.J.R., Muniz D.C. 2016. Using evolutionary multivariate adaptive regression splines approach to evaluate the eutrophication in the Pozon de la Dolores lake (Northern Spain), Ecological Engineering, vol. 94: 136–151.
  • [20] Nouri A., Shahmoradi B., Dehestani-Athar S., Maleki A. 2015. Effect of temperaturę on pH, turbidity, and residua free chlorine in Sanandaj Water Distribution Network, Iran, Journal of Advances in Environmental Health Research, vol. 3 (3): 188–195.
  • [21] Pôças I., Gonçalves J., Costa P., Gonçalves I., Pereira L.S., Cunha M. 2017. Hyperspectral-based predictive modelling of grapevine water status in the Portuguese Douro wine region, International Journal of Applied Earth Observation and Geoinformation, vol. 58: 177–190.
  • [22] Rushing J.C., McNeill L.S., Edwards M. 2003. Some effects of aqueous silica on the corrosion of iron, Water Research, vol. 37 (5): 1080–1090.
  • [23] Sobczyk M. 2004. Statystyka, Wyd. Naukowe PWN.
  • [24] Sung W., Reilley-Matthews B., O’Day D.K., Horrigan K. 2000. Disinfection by-product concentrations in a transmission system can change in response to downstream treatment processes, Journl of American Water Works Association, vol. 92 (5): 53–63.
  • [25] Toroz I., Uyak V. 2005. Seasonal variations of trihalomethanes (THMs) in water distribution networks of Istanbul City, Desalination, vol. 176: 127–141.
  • [26] Wu Q., Zhao X., Wang X. 2008. Relationship between heterotrophic bacteria and some physical and chemical parameters in a northern city’s drinking water distribution networks of China, Proceedings of 2nd International Conference on Bioinformatics and Biomedical Engineering, s. 4713–4716.
  • [27] Zimoch I. 2006. Analiza zmian jakości wody jako element zarządzania procesem monitoringu PsDyW, Gaz, Woda i Technika Sanitarna, vol. 11: 78–81.
Uwagi
Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-c8fc7416-c686-4287-b933-aab79062852f
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.