Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2019

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Physicochemical and isotopical characterization of groundwater in the basin of Guelma, North-East of Algeria

Benmarce Kaddour, Khanchoul Kamel

Journal of Water and Land Development

2019

no. 42

33--41

Water quality is an important criterion for evaluating the suitability of water for drinking and domestic purpose. The main objective of this study was to investigate the physicochemical characterization of groundwater for drinking water consumption. Ten captured sources were selected from three aquifers including the Guelma Mio-Plio-Quaternary alluvial basin; the Senonian Heliopolis Neritic limestone aquifer, and the Eocene limestones of Ras El Agba-Sellaoua aquifer. The analyses concerned the periods of high water in May 2017 and low water in August 2017. Twelve parameters were determined for the water samples: pH, T (°C), EC, Ca2+, Mg2+, Na+, K+, Cl–, HCO3 –, SO4 2–, NO3 –, TH (hydrotimetric degree), TAT (total alkalinity titration). The interpretation of the various analytical results allowed the determination of the chemical facies and the classification of the groundwater aquifers as follows: (i) in the alluvial layer, the gypsiferous marl substratum and the clays of the three terraces (high, medium and low) have given the water a chlorinated calcium chemical facies in the east part of the study area and travertines feeding partly alluvial layer, and have given a bicarbonated calcium water facies in the west, (ii) in the Senonian of Heliopolis limestone and Eocene carbonate formations of Ras El Agba- -Sellaoua, the chemical facies are calcium bicarbonate. Water isotopes (δ18O and δD) helped to determine the origin of groundwater. Overall, the groundwater in the area is hard and has significant to excessive mineralization. It is progressively degraded in the direction of flow, especially in the Guelma alluvial aquifer.

Jakość wody jest ważnym kryterium oceny jej przydatności do picia i potrzeb domowych. Celem pracy było zbadanie fizycznych i chemicznych właściwości wody przeznaczonej do konsumpcji. Do badań wybrano dziesięć ujęć wody zlokalizowanych w trzech poziomach wodonośnych: aluwialny basen mioceńsko-plioceńsko-czwartorzędowy Guelma, wapienny poziom z okresu późnej kredy i poziom eoceńskich wapieni w Ras El Agba-Sellaoua. Analizy prowadzono w okresie wysokiej wody w maju 2017 r. i niskiej wody w sierpniu 2017 r. W próbkach wody oznaczono 12 parametrów: pH, T (°C), EC (przewodnictwo), Ca2+, Mg2+, Na+, K+, Cl–3 –, SO4 2–, NO3 –, TH (całkowita twardość), TAC (całkowita alkaliczność). Interpretacja uzyskanych wyników umożliwiła wydzielenie grup chemicznych i klasyfikację poziomów wodonośnych w następujący sposób: (i) strefa aluwialna, gipsowo-wapienne podłoże i iły trzech tarasów (wysoki, średni i niski) – wody grupy chlorkowo-wapniowej we wschodniej części badanego obszaru i wody wodorowęglanowo-wapniowe w zachodniej części, (ii) wapienie późnej kredy i eoceńskie utwory węglanowe w Ras El Agba-Sellaoua – wody o charakterze wodorowęglanowo-wapniowym. Analiza izotopowa (δO18 i δD) pozwoliła ustalić pochodzenie wód gruntowych. Generalnie wody gruntowe badanego obszaru są twarde i charakteryzują się wysoką bądź nadmierną mineralizacją. Wody ulegają stopniowej degradacji w kierunku przepływu, szczególnie w aluwialnym poziomie wodonośnym Guelma.

Suspended sediment discharge modeling during flood events using two different artificial neural network algorithms

Bouguerra Hamza, Tachi Salah-Eddine, Derdous Oussama, Bouanani Abderrazak, Khanchoul Kamel

Acta Geophysica

2019

Vol. 67, no. 6

1649--1660

This paper presents modeling of artificial neural network (ANN) to forecast the suspended sediment discharges (SSD) during flood events in two different catchments in the Seybouse basin, northeastern Algeria. This study was carried out on hourly SSD and water discharge data during flood events from a period of 31 years in the Ressoul catchment and of 28 years in the Mellah catchment. The ANNs were trained according to two different algorithms: the Levenberg–Marquardt algorithm (LM) and the Quasi-Newton algorithm (BFGS). Seven input combinations were trained for the SSD prediction. The performance results indicated that both algorithms provided satisfactory simulations according to the determination coefficient (R2) and root mean squared error (RMSE) performance criteria, with priority to the BFGS algorithm; the coefficient of determination using the LM algorithm varies between 51.0 and 90.2%, whereas using the BFGS algorithm it varies between 54.3 and 93.5% in both studied catchments, with calculated improvement for all seven developed networks with the best improvement in the Ressoul catchment presented in ANN06 with ΔR2 4.23% and ΔRMSE 1.74‰, and with the best improvement presented in ANN05 with ΔR2 6.07% and ΔRMSE 0.71‰ in the Mellah catchment. The analysis showed that the use of Quasi-Newton method performed better than the Levenberg–Marquardt in both studied areas.