σύστημα ασύρματης επικοινωνίας του σταθμού μέτρησης, που κατασκευάστηκε καθώς και την επεξεργασία των δεδομένων με τα αποτελέσματα που προέκυψαν.

Transcript

1 Παρουσίαση Έκθεσης Ι Εισαγωγή Η παρούσα αναφορά περιγράφει σε όσο τον δυνατό πιο απλή γλώσσα (χωρίς όμως να θυσιάζει το βάθος της πληροφορίας που θέλει να μεταφέρει) το τηλεμετρικό σύστημα ασύρματης επικοινωνίας του σταθμού μέτρησης, που κατασκευάστηκε καθώς και την επεξεργασία των δεδομένων με τα αποτελέσματα που προέκυψαν. Οι Θερμοπύλες είναι ένα διάσημο ορεινό πέρασμα στην κεντρική Ελλάδα, που βρίσκεται ακριβώς ανάμεσα στο βουνό Οίτη και τη θάλασσα (Μαλιακού κόλπου). Πρόκειται για ένα υποχρεωτικό πέρασμα στην κατεύθυνση βορρά-νότου της Ελλάδα. Είναι επίσης μία γνωστή περιοχή από την αρχαιότητα για τις ιαματικές πηγές (η αρχαία ελληνική λέξη Θερμοπύλες αυτό εκφράζει). Οι θερμές πηγές είναι μια πηγή σημαντικής οικονομικής και επιστημονικής αξίας με έντονο γεωλογικό ενδιαφέρον. Οι υπόγειες δεξαμενές ζεστού νερού, στην περιοχή των Θερμοπυλών, μπορούν να προσφέρουν σημαντικές ποσότητες ενέργειας με επικερδή τρόπο, μέσω της ανάπτυξης των κατάλληλων γεωθερμικών εγκαταστάσεων. Πιθανές εφαρμογές περιλαμβάνουν τη χρήση του ζεστού νερού για τη θέρμανση των τοπικών κτιρίων, spa, γεωργική ή βιομηχανική θέρμανση, κλπ 1

2 Ο σκοπός της παρούσας παρουσίασης του ερευνητικού έργου είναι αρχικά να περιγράψει το σύστημα μέτρησης, το οποίο αναπτύχθηκε για να ερευνήσει τα φυσικά και χημικά χαρακτηριστικά από τις φυσικές πηγές ζεστού νερού. Αυτό το ολοκληρωμένο σύστημα απαντά επίσης στην πρόκληση όπως αυτή αναφέρεται στο [24], όπου επισημαίνεται η σπουδαιότητα για ένα μετρητικό σταθμό συνεχούς παρακολούθησης των φυσικοχημικών παραμέτρων σε θερμά νερά. Ο δεύτερος στόχος είναι να παρουσιαστεί μια εμπεριστατωμένη ανάλυση χρονοσειρών των δεδομένων που συλλέγονται. Ορισμένα από τα πρώτα ευρήματα και προκαταρκτικά πορίσματα της ερευνητικής δραστηριότητας μπορούν να αναζητηθούν στο [1, 21, 28, 29]. Στο [32] περιγράφεται, η ανάπτυξη ενός παρόμοιου δικτύου αισθητήρων για την περιβαλλοντική παρακολούθηση (σλοβενικές θερμές πηγές), καθώς και τη σεισμική συσχέτιση. Ένα ασύρματο δίκτυο αισθητήρων (Wirelles Sensors Network (WSN)) αποτελείται από χωρικά κατανεμημένες αυτόνομες συσκευές που παρακολουθούν συνεργατικά φυσικές ή περιβαλλοντικές συνθήκες, όπως θερμοκρασία, ήχο, δόνηση, πίεση, κίνηση, ρύπους, σε διαφορετικές θέσεις. Ένα ασύρματο δίκτυο αισθητήρων χαρακτηρίζεται συνήθως: από ένα σύνολο από κόμβους αισθητήρων μικρής κλίμακας μέσα σε δύσκολες συνθήκες περιβάλλοντος, από την κινητικότητα των κόμβων, 2

3 από την δυναμική τοπολογία του δικτύου, από τις αποτυχίες επικοινωνίας, την ετερογένεια των κόμβων, μεγάλης κλίμακας ανάπτυξη ι την λειτουργία χωρίς επίβλεψη. Ασύρματα δίκτυα αισθητήρων [5, 6, 14, 16, 26] μπορεί να χρησιμοποιηθούν για την παρακολούθηση περιβαλλοντικών παραμέτρων [6, 16], τη σεισμική ανίχνευση, την ακουστική ανίχνευση, την παρακολούθηση των αποθεμάτων, την παρακολούθηση θεμάτων της υγείας, τη στρατιωτική επιτήρηση ή την παρακολούθηση μίας οποιασδήποτε διαδικασίας. Είναι κοινή γνώση, ότι οι γεωλογικές παραμορφώσεις που λαμβάνουν χώρα σε διαφορετικά βάθη μπορούν να δημιουργήσουν αλλαγές στο φυσικό περιβάλλον σε συγκεκριμένες περιοχές. Επίσης η γεωλογική δραστηριότητα μπορεί να προκαλέσει αλλαγές στον υδάτινο όγκο, σε θερμικά και χημικά χαρακτηριστικά των ιαματικών πηγών, όπως διακυμάνσεις στη ροή του νερού, αλλαγές στην θερμοκρασία και / ή τη χημική σύνθεση και τις παραλλαγές στις εκκενώσεις αερίου (ρυθμοί ροής), σε φυσικοχημικούς συντελεστές στη χημική και ισοτοπική σύνθεση των αερίων (ιδιαίτερα 222Rn), στη στάθμη των υπόγειων πηγαδιών, 3

4 την υδροστατική πίεση και την ηλεκτρική αγωγιμότητα. Τα πιο συχνά υπό έρευνα γεωχημικά φαινόμενα αφορούν στις συγκεντρώσεις των αερίων και των ιόντων στα υπόγεια ύδατα, καθώς και τις μεταβολές στις συγκεντρώσεις πτητικών του φλοιού και του μανδύα σε αέρια εδάφους [8, 11, 12, 13, 15, 17, 18, 19, 20, 23, 27, 30, 31]. Στο υπό μελέτη σύστημα εισήχθησαν και μετρήθηκαν πέντε σημαντικές ποσότητες, που είναι ευαίσθητες σε γεωλογικές παραμορφώσεις. Μέτρηση της θερμοκρασίας του νερού, για να μελετηθούν οι μεταβολές στο ρυθμό ροής και στο βάθος παραλλαγές, το PH για να μελετηθούν οι μεταβολές στην οξύτητα, το δυναμικό Redox (δυναμικό οξειδοαναγωγής ORP) για να μελετήσει τις βιολογικές μεταβολές φορτίου, της ηλεκτρικής αγωγιμότητας για να μελετούνται οι παραλλαγές αλατότητας και το ραδόνιο. Ανάπτυξη ολοκληρωμένου συστήματος για τις μετρήσεις. Η γνώση που αφορά τα ακριβή στοιχεία της σύστασης του νερού από φυσικές θερμές πηγές αποτελεί σημαντικό εργαλείο, που χρησιμοποιείται από διάφορους ερευνητές για τον προσδιορισμό και την ερμηνεία των φαινομένων που αναπτύσσονται στα υπόγεια στρώματα της λιθόσφαιρας. 4

5 Η μέτρηση των προαναφερθέντων παραμέτρων γίνεται με αισθητήρες που έχουν τοποθετηθεί μέσα σε ένα μικρό ρυάκι, το οποίο πηγάζει από την κύρια θερμή πηγή. Επιλέον έχει κατασκευαστεί ένας σταθμός για τη συλλογή, την επεξεργασία και τη διαβίβαση των δεδομένων. Ο σταθμός (βλέπε Εικόνα 1) αποτελείται από τα ακόλουθα μέρη: 1. Η κύρια μονάδα, η οποία αποτελείται από, έναν ελεγκτή για τη συλλογή και την επεξεργασία των δεδομένων, τα τερματικά για τις μονάδες μέτρησης, ένα ραδιο-modem, ένα σύστημα τροφοδοσίας nonstop, μια υπο-μονάδα ισχύος τάσης 220 V και μια μονάδα με στεγανότητα προδιαγραφές Jr Μια υπο-μονάδα πάνω από το ρυάκι της θερμής πηγής, η οποία αποτελείται από τους εξής αισθητήρες: ραδόνιου, θερμοκρασίας του νερού, μετρητής PH, μετρητής αγωγιμότητας και μετρητής του δυναμικού οξειδοαναγωγής (ORP). 3. Μία κατευθυντική κεραία YAGI 8 στοιχείων. Ο σταθμός μέτρησης και συλλογής δεδομένων, ο οποίος περιγράφηκε παραπάνω, μεταδίδει τα ψηφιακά δεδομένα μέσω ενός ασύρματου δικτύου (χρησιμοποιώντας το ασύρματο μόντεμ). Ο δέκτης κύρια μονάδα για την επεξεργασία δεδομένων έχει τοποθετηθεί στην πανεπιστημιούπολη του Τεχνολογικού Εκπαιδευτικού Ιδρύματος (Τ.Ε.Ι.) Στερεάς Ελλάδας, στη Λαμία. Μια λειτουργική και μια σχηματική 5

6 αναπαράσταση του σταθμού συλλογής δεδομένων των Θερμοπυλών μπορεί να φανεί στα Σχήματα 1 και 3, αντιστοίχως: Για να βρεθεί η καλύτερη θέση για την τοποθέτηση του σταθμού μέτρησης στις Θερμοπύλες και για την εξασφάλιση της βέλτιστης λειτουργίας, ελήφθησαν υπόψη τα εξής: η απόσταση, η συχνότητα της δειγματοληψίας μεταξύ των δύο σταθμών (εκπομπή και λήψη), η πρόσβαση στα ενεργειακά δίκτυα, η πρόσβαση στα δίκτυα τηλεπικοινωνιών και η εύκολη πρόσβαση στο σταθμό και η ασφάλεια της εγκατάστασης. Επεξεργασία δεδομένων Οι τιμές των μετρούμενων παραμέτρων που συλλέγονται, χρησιμοποιώντας τους αισθητήρες του συστήματος, αντιστοιχούν σε αναλογικά σήματα. Το επόμενο στάδιο είναι ένα αναλογικό σήμα προ-επεξεργασίας (signal conditioning), ενώ ένα ρεύμα βρόχου (0 έως 20 ma) χρησιμοποιείται για να μεταφέρει τα δεδομένα προς τις αναλογικές εισόδους μιας μονάδας καταγραφής δεδομένων. Σε αυτή τη μονάδα δεδομένων ψηφιοποιείται η είσοδος με ανάλυση 12-bit. Εν συνεχεία, τα ψηφιοποιημένα δεδομένα ομαδοποιούνται σε πλαίσια δεδομένων, τα οποία αποτελούνται από αύξοντα αριθμό πλαισίου, με ημερομηνία και ώρα. Στη συνέχεια τα πλαίσια δεδομένων μεταφέρονται μέσω σειριακής θύρας (RS 232) και με το ασύρματο μόντεμ και μεταδίδονται χρησιμοποιώντας στο δέκτη την κεραία YAGI, η οποία βρίσκεται στο χώρο του πανεπιστημίου. 6

7 Είναι γνωστό, ότι τα γεωλογικά φαινόμενα μεταβάλλονται με το χρόνο. Ορισμένες απότομες γεωλογικές ανακατατάξεις μπορεί να συμβούν μέσα σε λίγα λεπτά. Στην περίπτωση αυτή χρονική κλίμακα λίγων λεπτών θα παρέχει ζωτικής σημασίας πληροφορίες για το γεωλογικό φαινόμενο. Επειδή, όμως, το σύνολο των φυσικοχημικών παραμέτρων σε αυτό το ερευνητικό έργο έχουν μετρηθεί μέσα στο νερό, οι τιμές τους θεωρούνται να ποικίλουν σε μια χρονική κλίμακα ωρών. Έτσι, η επιλεχθείσα περίοδος δειγματοληψίας 15 λεπτών θεωρείται επαρκής για τη διερεύνηση των γεωλογικών φαινομένων. Μονάδα καταγραφής δεδομένων Μια λειτουργική ανάλυση της μονάδος του καταγραφέα δεδομένων (ή το σύστημα συλλογής δεδομένων), μπορεί να φανεί στο Σχήμα 2. Αποτελείται από τα ακόλουθα μέρη.: Μια μονάδα με 8 αναλογικές εισόδους (κανάλια). Κάθε είσοδος έχει τα ακόλουθα χαρακτηριστικά: εύρος διακύμανσης 4-20 ma, ανάλυση 12-bit, υψηλότερη συχνότητα δειγματοληψίας δείγματα / sec και προστασία τάσης εισόδου 2000 V. Τέσσερις (4) γραμμές εισόδου / εξόδου με optocoupling και με τα ακόλουθα χαρακτηριστικά: "ON" ένδειξη εισόδου αντιστοιχεί στο εύρος τάσης 8 έως 10 Volts, ενώ η ένδειξη εισόδου "OFF" αντιστοιχεί στο εύρος τάσης 0-2 Volts. 7

8 Από την άλλη πλευρά η ένδειξη εξόδου "ΟΝ" αντιστοιχεί σε 12 Volts/100 ma, ενώ ένδειξη "OFF" έξοδος αντιστοιχεί σε 0 Volt. Κεντρική μονάδα επεξεργασίας (σειρά 8051), μνήμη NVRAM 64Κ, εσωτερική μνήμη FLASH 16Κ, δύο θύρες σειριακής επικοινωνίας και τροφοδοσίας 220 V DC AC/12V 3 Α. Στατιστικές μέθοδοι χρονοσειρών Ακολουθεί μια στατιστική μελέτη των δεδομένων, με ανάλυση χρονοσειρών. Τα πιο σημαντικά αποτελέσματα που θα παρουσιαστούν είναι: i) στατιστικά σημαντικές συσχετίσεις που βρέθηκαν μεταξύ των εμπλεκόμενων φυσικο-χημικών παραγόντων, ii) διάφορες περιοδικότητες που παρουσιάζουν τα δεδομένα μέτρησης. Η ανάλυση των δεδομένων μελετήθηκε με μια σειρά από μεθόδους χρονοσειρών [3, 9, 10, 22]. Προς τούτο χρησιμοποιήθηκε το λογισμικό SPSS V16. Μια χρονική σειρά είναι ένα σύνολο παρατηρήσεων που λαμβάνονται με μέτρηση μεταβλητών τακτικά κατά τη διάρκεια μιας χρονικής περιόδου. Ένας από τους πιο σημαντικούς λόγους για να κάνει κάποιος ανάλυση χρονοσειρών είναι να προσπαθήσει να προβλέψει τις μελλοντικές τιμές της σειράς. Ένα μοντέλο της σειράς που εξηγεί τις τιμές του παρελθόντος μπορεί να προβλέψει κατά πόσον και σε ποιο βαθμό οι επόμενες τιμές θα αυξηθούν ή θα μειωθούν. 8

9 O αλγόριθμος της παράληψης της εποχιακής διακύμανσης εντοπίζει από μια χρονοσειρά την εποχική συνιστώσα, την συνιστώσα τάσης, τυχόν κυκλικές συνιστώσες και την συνιστώσα σφάλματος. Η διαδικασία είναι απόρροια της εφαρμογής της μεθόδου Census Ι, αλλιώς γνωστή και ως η μέθοδος του λόγου του μεταβαλλόμενου μέσου όρου. Είναι η κατάλληλη μέθοδο, εάν κάποιος επιστήμονας ενδιαφέρεται για την ανάλυση περιοδικών μετρήσεων. Ο στόχος είναι να προσδιοριστεί εάν υπάρχει οποιαδήποτε τάση στα δεδομένα αφαιρώντας την εποχική περιοδικότητα. Για να αποκαλύψει οποιαδήποτε πραγματική τάση, ο επιστήμονας πρέπει να λάβει πρώτα υπόψη τη διακύμανση λόγω των εποχικών επιπτώσεων. Με την βοήθεια λοιπόν του ειδικού αυτού αλγόριθμου που προαναφέραμε η διαδικασία της εποχικής αφαίρεσης μπορεί να χρησιμοποιηθεί για να αφαιρεθούν οποιεσδήποτε συστηματικές εποχιακές διακυμάνσεις. Στη συνέχεια η ανάλυση των τάσεων διεξάγεται στην εποχικά προσαρμοσμένη σειρά. Στην παρούσα μελέτη η εποχική μέθοδος διόρθωσης χρησιμοποιήθηκε με την λεγόμενη τεχνική πρόσθεσης Οι εποχικές προσαρμογές προστίθενται για να ληφθούν οι παρατηρούμενες τιμές. Παρατηρήσεις χωρίς εποχική διακύμανση έχουν μηδενική εποχική συνιστώσα. Η ανάλυση που έγινε βασίστηκε επίσης στη συνάρτηση αυτοσυσχέτισης [2, 4, 7, 25]. Αυτή εμφανίζει πάντα μια σημαντική κορυφή σε χρονική περίοδο lag 1 με μία μακριά εκθετική ουρά, κάτι το οποίο είναι ένα σύνηθες μοτίβο για χρονοσειρές. Εάν υπάρχει μια σημαντική κορυφή σε μια lag που χαρακτηρίζεται από έναν αριθμό Ν αυτό υποδηλώνει την παρουσία ενός Ν φορές την περίοδο lag χρονικής συνιστώσας στα 9

10 δεδομένα. Εξετάστηκε επίσης η χρήση της μερικής αυτοσυσχέτισης προκειμένου να καταστεί δυνατή η επαλήθευση των συμπερασμάτων [2, 4, 7, 25]. Επιπλέον, φασματικά διαγράμματα χρησιμοποιήθηκαν για να προσδιοριστεί τυχόν περιοδική συμπεριφορά στις χρονοσειρές. Αντί της ανάλυσης της διακύμανσης από ένα χρονικό σημείο στο επόμενο, αναλύεται η μεταβολή της σειράς ως σύνολο σε περιοδικές συνιστώσες διαφορετικών συχνοτήτων. Στην ανάλυση, εκτιμήθηκαν τόσο ομαλές σειρές όσο και μη ομαλές. Οι ομαλές (smooth) σειρές έχουν ισχυρότερες περιοδικές συνιστώσες σε χαμηλές συχνότητες. Τα μη ομαλά (unsmoothed) διαγράμματα του φασματικού πλάτους (σε λογαριθμική κλίμακα), ως προς τη συχνότητα ή την περίοδο, ονομάζονται περιοδο-διαγράμματα, (Periodogramms). Διακυμάνσεις που κατανέμονται ομοιόμορφα σε όλες τις συχνότητες σημαίνουν "λευκός θόρυβος". Η φασματική παράσταση του περιοδο-διαγράμματος (Fast Fourier Analysis) δείχνει μια ακολουθία κορυφών που ξεχωρίζουν από το θόρυβο του περιβάλλοντος. Εκτός από την κύρια κορυφή, οι υπόλοιπες κορυφές αναλύονται καλύτερα με τη συνάρτηση της φασματική πυκνότητας. Το παραγόμενο διάγραμμα με αυτή την συνάρτηση είναι τώρα μια ομαλοποιημένη έκδοση του περιοδιαγράμματος, και ονομάζεται φασματική πυκνότητα (Spectral density). Είναι ένα περιοδιάγραμμα που έχει εξομαλυνθεί για την απομάκρυνση ακανόνιστων μεταβολών. Ο τύπος της εξομάλυνσης που χρησιμοποιήθηκε ήταν των Tukey-Hamming. Η εξομάλυνση αυτή παρέχει ένα μέσο για την εξάλειψη του θορύβου υποβάθρου από ένα περιοδιάγραμμα, επιτρέποντας την υποκείμενη δομή να αναδειχθεί με μεγαλύτερη σαφήνεια. Περιοδικές συνιστώσες 10

11 ημιτονοειδούς ή συνημίτονοειδούς μορφής εμφανίζονται στο περιοδιάγραμμα ως μεμονωμένες κορυφές. Αντίθετα, περιοδικές συνιστώσες που δεν είναι ημιτονοειδείς εμφανίζονται ως μια σειρά από ισαπέχουσες κορυφές με διαφορετικά ύψη (με την χαμηλότερη συχνότητα κορυφής, στη σειρά που συμβαίνουν οι ισαπέχουσες κορυφές) να έχει τη συχνότητα της περιοδικής συνιστώσας. Συμπερασματικά, υπολογίστηκαν ει διάφορα φασματικά διαγράμματα για κάθε παράγοντα, προκειμένου να επιβεβαιωθεί από μια χρονολογική σειρά, η ύπαρξη μιας περιοδικής συνιστώσας. Από τη μελέτη επαληθεύτηκε ότι πράγματι υφίστανται σημαντικές περιοδικότητες. Η φασματική πυκνότητα φαίνεται να είναι το πιο χρήσιμο εργαλείο για τον προσδιορισμό της υποκείμενης δομής, επειδή η φασματική πυκνότητα εξομαλύνει τις διακυμάνσεις που προκαλούνται από τις μη περιοδικές συνιστώσες των δεδομένων. Αποτελέσματα Με βάση τα περιγραφικά στατιστικά αποτελέσματα, μπορεί εύκολα να συναχθεί ότι τα δεδομένα που αφορούν τη θερμοκρασία και το PH έχουν κανονική κατανομή, ενώ αντίθετα η αγωγιμότητα και το ORP δεν έχουν κανονική κατανομή. Εντούτοις η κατανομή ORP μπορεί να αναλθθεί ως μια ασύμμετρη κανονική κατανομή. Οι διάφορες κατανομές των μετρούμενων ποσοτήτων παρουσιάζονται στα σχήματα 4,5,6,7. 11

12 Ένα ενδιαφέρον εύρημα της στατιστικής ανάλυσης μας είναι οι στατιστικά σημαντικές συσχετίσεις μεταξύ των παραγόντων θερμοκρασίας, ORP, ph και την αγωγιμότητα. Ωστόσο, υπάρχουν μόνο ήπιες συσχετίσεις μεταξύ των ακόλουθων παραγόντων: Θερμοκρασία με ORP, επίσης PH με ORP καθώς και θερμοκρασία σε σχέση με PH. Οι συσχετίσεις αυτές επιβεβαιώθηκαν τόσο με την βοήθεια παραμετρικών όσο και μη παραμετρικών μεθόδων για τη διερεύνηση των πιθανών συσχετίσεων. Για να μελετήσουμε περαιτέρω τις συσχετίσεις διερευνήσαμε αν υπάρχει μια μεταβλητή ελέγχου που θα μπορούσε να μειώσει τις συσχετίσεις που εμφανίστηκαν στην ανάλυσή μας. Έτσι, μια επιμέρους ανάλυση συσχέτισης πραγματοποιήθηκε λαμβάνοντας υπόψη όλους τους δυνατούς συνδυασμούς των υπό διερεύνηση παραγόντων. Αρχικά επιλέχθηκε ως μεταβλητή ελέγχου η θερμοκρασία. Αυτό ακούγεται λογικό, δεδομένου ότι η θερμοκρασία ενσωματώνει εποχιακή διακύμανση. Επίσης επιλέχθηκε και η ORP ως μεταβλητή ελέγχου η οποία θα μπορούσε να ακυρώσει τη συσχέτιση θερμοκρασίας-ph. Ωστόσο, το αποτέλεσμα όλης της ανάλυσης της μερικής συσχέτισης δείχνει, ότι εξακολουθούν να υπάρχουν όλες οι συσχετίσεις. Η φασματική ανάλυση των παραγόντων αποκαλύπτει διάφορες περιοδικότητες. Η μεταβλητή θερμοκρασία παρουσιάζει σαν περιοδικότητα δυο κύριων Fourier πλάτων τις 24 ώρες και τις 12 ώρες. Επίσης, χαρακτηρίζεται από μια λιγότερο σημαντική εποχική περιοδικότητα. (Σχήματα 8,9,10,11). 12

13 Η γρήγορη ανάλυση Fourier της μεταβλητής OPR (Σχήμα 12), δείχνει ότι δεν υπάρχει καμία περιοδικότητα σε αυτό. Το ίδιο συμπέρασμα προκύπτει και από την ανάλυση με την φασματική πυκνότητα, τη συνάρητηση αυτοσυσχέτισης και τη συνάρτηση μερικής αυτοσυσχέτισης. Η φασματική ανάλυση της μεταβλητής PH παρουσιάζει τις 24 ώρες και τις 7,5 ημέρες περιοδικότητα ως κύριες κορυφές Fourier. Επίσης, χαρακτηρίζεται από λιγότερο σημαντική εποχιακή περιοδικότητα. (Σχήματα 13,14,15,16). Τέλος, η αγωγιμότητα επιδεικνύει μία όχι ισχυρή 24-ώρη περιοδικότητα, όπως μπορεί να φανεί από τα σχήματα 17,18,19. Το γενικό συμπέρασμα της φασματικής ανάλυσης είναι ότι οι περιοδικότητες 12 και 24 ώρες προκαλούνται πιθανώς από τη θάλασσια παλίρροια. Στις Θερμοπύλες, οι ιαματικές πηγές αναμιγνύονται με θαλασσινό νερό από την κοντινή ακτή. Η περιοδικότητα 7,5 ημερών που βρέθηκε, μπορεί να σχετίζεται με τις «spring and neap tides» παλίρροιες και πάλι από τα γύρω νερά που εισέρχονται στην υπόγεια δεξαμενή του νερού. Συμπερασματικά, αξίζει να σημειωθεί ότι τα ολοκληρωμένα συστήματα αποδείχθηκε ότι είναι σε θέση να μετρούν συνεχώς, να επεξεργάζονται και να διαβιβάζουν δεδομένα μέσω του πομπού τις μετρήσεις. 13

14 P H SENSOR AC feeder - UPS Antenna TEMPERATU R E SENSOR ORP SENSOR CONDUCTIVITY SENSOR Controler - Data L ogger RS232 Radio Modem Σχήμα 1. Λειτουργική περιγραφή του σταθμού μέτρησης 14

15 Σχημα 2. Καταγραφέας δεδομένων 15

16 Σχήμα 3. Φωτογραφία του σταθμού μέτρησης στις Θερμοπύλες. 16

17 Σχήμα 4. Κατανομή θερμοκρασιών.κκ. 17

18 . Σχήμα 5. Κατανομή ORP. 18

19 Σχήμα 6. Κατανομή PH. 19

20 Σχήμα 7. Κατανομή αγωγιμότητας. 20

21 Σχήμα 8. Περιοδο-διάγραμμα της Θερμοκρασίας 21

22 Σχήμα 9. Διάγραμμα της φασματικής πυκνότητας για την Θερμοκρασία 22

23 Σχήμα 10. Η συνάρτηση της αυτοσυσχέτησης για την θερμοκρασία Σχήμα 11. Η συνάρτηση αυτοσυσχέτησης για την θερμοκρασία 23

24 Σχήμα 12. Περιοδο-διάγραμμα για το OPR 24

25 Σχήμα 13 Περιοδο-διάγραμμα για το PH 25

26 Σχήμα 14. Η φασματική πυκνότητα του PH. 26

27 Σχήμα 15. Η συνάρτηση της αυτοσυσχέτησης για τo PH 27

28 Σχήμα 16. Η μερική συνάρτηση της αυτοσυσχέτησης για τo PH 28

29 Σχήμα 17. Απεικόνιση της φασματικής πυκνότητας για την αγωγιμότητα 29

30 Σχήμα 18. Η συνάρτηση της αυτοσυσχέτησης για την αφωγιμότητα 30

31 Σχήμα 19. Η μερική συνάρτηση της αυτοσυσχέτησης για την αφωγιμότητα 31

32 ΑΝΑΦΟΡΕΣ [1] Avlakiotis, P.; Latsos, T.; Anagnostou, K.E.; Chaikalis, C.; Verros, G.; Liolios, C.; Antoniou, D.; and Kotsopoulos, S., Wireless Sensor Techniques for Usage in Measuring the Physicochemical Characteristics of Thermopylae Natural Hot Spring Water in Central Greece: I Experimental Part. In Proceedings TRANSCOM 2007 (Section 3: Information and Communication Technologies), Slovak Republic, Zilina, June 2007, pp [2] Bartlett, M. S., 1946, On the theoretical specification of sampling properties of autocorrelated time series, Journal of Royal Statistical Society, Series B, 8, [3] Bloomfield, P., 1976, Fourier analysis of time series, John Wiley and Sons, New York. [4] Box, G. E. P.; and Jenkins, G. M., 1976, Time series analysis: Forecasting and control, Rev. ed. San Francisco: Holden-Day. 32

33 [5] Callaway, H., Edgar, 2003, Wireless Sensor Networks: Architectures and Protocols, Auerbach Publications, ISBN , Florida. [6] Cordeiro, Carlos, de, Morais; and Agrawal, Dharma, Prakash, 2006, Adhoc and Sensor Networks Theory and Applications. [7] Cryer, J. D., 1986, Time series analysis, Boston, Mass.: Duxbury Press. [8] Dongarra, G.; Hauser, S.; Censiand, P.; and Brai, M., 1995, Water chemistry,δ13c and 222 Rn activity in ground-waters of Western Sicily, Nucl. Geophys., 9(5), [9] Fuller, W. A., 1976, Introduction to statistical time series, John Wiley and Sons, New York. [10] Gardner, E. S., 1985, Exponential smoothing: The state of the art, Journal of Forecasting, 4, [11] Heinicke, J.; Italiano, F.; Lapenna, V.; Martinelli, G.; and Nuccio, P.M., 2000, Coseismic geochemical variations in some gas emissions of Umbria Region (Central Italy), Phys. Chem. Earth (A), 25(3),

34 [12] Heinicke, J.; Koch, U.; and Martinelli, G., 1995, CO2 and radon measurements in the Vogtland area (Germany) A contribution to earthquake prediction research, Geophys. Res. Lett., 22(7), [13] Igarashi, G.; Saeki, S.; Takahata, K.; Sumikawa, K.; Tasaka, S.; Sasaki, Y.; Takahashi, M.; and Sano, Y., 1995, Groundwater radon anomaly before the Kobe earthquake in Japan, Science, 269, [14] Ilyas, Mohammad; and Mahgoub, Imad, 2004, Handbook of Sensor Networks: Compact Wireless and Wired Sensing Systems, CRC Press, ISBN [15] Irwin, W. P.; and Barnes, I., 1980, Tectonic relations of car-bon dioxide discharges and earthquakes, J. Geophys. Res., 85(B6), [16] Iyengar, S., S.; and Brooks, R., R., 2004, Distributed Sensor Networks, Chapman & Hall/CRC, ISBN [17] King, C.Y., 1980, Geochemical measurements pertinent to earthquake prediction, J. Geophys. Res.,85 (B6),

35 [18] King, C.Y.; Basler, D.; Presser, T.S.; Evans W.C.; and White, L.D., 1994, In search of earthquake related hydro-logic and chemical changes along Hayward Fault, Appl. Geochem., 9, [19] Koch, U.; and Heinicke, J., 1994, Radon behaviour in mineral spring water of Bad Brambach (Vogtland, Germany) in the temporal vicinity of the 1992 Roermond earthquake, the Netherlands,Geol. Mijnbouw, 73, [20] Koch, U.; Heinicke, J.; and Vossberg, M., 2003, Hydrogeological effects of the latest Vogtland-NW Bohemian swarmquake period (August to December 2000), J. Geodin., 35, [21] Latsos, T.; Avlakiotis, P.; Anagnostou, K.E.; Chaikalis, C.; Verros, G.; Liolios, C.; Antoniou, D.; and Kotsopoulos, S., Wireless Sensor Techniques for Usage in Measuring the Physicochemical Characteristics of Thermopylae Natural Hot Spring Water in Central Greece: II Early Results and Analysis. In Proceedings TRANSCOM 2007 (Section 3: Information and Communication Technologies), Slovak Republic, Zilina, June 2007, pp [22] Makridakis, S.; Wheelwright, S.C.; and McGee, V.E., 1983, Forecasting: Methods and applications, John Wiley and Sons, New York. 35

36 [23] Nakamura, Y.; and Wakita, H., 1985, Precise temperature measurement of groundwater for earthquake prediction study, Pure Appl. Geophys., 122, [24] Popit A., Vaupotic J., Dolenec T. 2005, Geochemical and geophysical monitoring of thermal waters in Slovenia in relation to seismic activity, Annals of Geophysics, Vol. 48, N. 1. [25] Quenouville, M. H., 1949, Approximate tests of correlation in time series, Journal of the Royal Statistical Society, Series B, 11, [26] Stojmenovic, Ivan, 2005, Handbook of sensor networks; algorithms and architectures, Wiley-Interscience. [27] Thomas, D., 1988, Geochemical precursors to seismic activity, Pure Appl. Geophys., 126, [28] Verros, G.; Latsos, T.; Anagnostou, K.E.; Avlakiotis, P.; Chaikalis, C.; Liolios, C.; Antoniou, D.; Kotsopoulos, S.; and Arsenos, P., Physico-chemical Characteristics of Thermopylae Natural Hot Water Springs in Central 36

37 Greece: Chemical Geothermometr. In COMPUTATION IN MODERN SCIENCE AND ENGINEERING, Proceeding of the ICCMSE 2007, Vol.2, part A, Corfu, Greece, September 2007, p.p [29] Verros, G.; Latsos, T.; Liolios, C.; and Anagnostou, K.E., A comprehensive Mathematical Model for the Correlation of Earthquaqe Magnitube with Geochemical Measurements. A case study: the Nisyros Volcano in Greece. In COMPUTATIONAL METHODS IN SCIENCE AND ENGINEERING: Advances in Computational Science: Lectures presented at the International Conference on Computational Methods in Sciences and Engineering 2008 (ICCMSE 2008), AIP Conference Proceedings, Volume Νo 1148, 2009, pp [30] Wakita, H., 1978, Earthquake prediction and geochemical studies in China,Chin. Geophys., 1, pp [31] Wakita, H.,; Nakamura, Y.; and Sano, Y., 1986, Background fluctuations in groundwater radon observation, J. Phys. Earth., 34, [32] Zmazek, B.; Italiano, F.; Zivcic, M.; Vaupotic, J.; Kobal, I.; and Martinelli, G., 2002, Geochemical monitoring of thermal waters in Slovenia: relationships to 37

38 seismic activity, Elsevier Applied Radiation and Isotopes Journal, Vol. 57, pp

39 39