A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
رده بندی داده های ژئوشیمیایی زیست محیطی با روش آنالیز تمایز و شبکه عصبی در باطله های سرب و روی تیپ سولفیدی کربناتی
آلودگی فلزات سنگین یکی از اصلی‌ترین مشکلات زیست‌محیطی در ارتباط با فعالیت‌های معدنی، صنعتی و کشاورزی در جهان به‌شمار می‌آید که به‌دلیل ماندگاری بالای این فلزات سمی و درجه انحلال پذیری مختلف در شرایط اسیدی و حتی غیر اسیدی، می‌تواند اثرات مخرب بر روی آب، خاک و انسان را در بلند مدت داشته باشد. معدن سرب- روی انگوران یکی از بزرگترین ذخایر سولفیدی- کربناتی در حد کلاس جهانی می‌باشد که در اثر معدن‌کاری، حجم قابل توجهی از باطله معدنی را به وجود آورده که می‌تواند منبع انتقال فلزات سنگین به آب و خاک مناطق پایین دست گردد. از اینرو استفاده از روش‌های سریع و مقرون به صرفه جهت کلاسه‌بندی ریسک آلودگی این نوع باطله‌ها می‌تواند ابزار مفیدی برای پایش و برنامه‌های احیاء و بازسازی در آینده باشد. هدف از این تحقیق به‌کارگیری تکنیک‌های آماری چند متغیره از جمله روش آنالیز تمایز و بهره‌گیری از تکنیک هوش مصنوعی به‌منظور کلاسه‌بندی و پیش‌بینی پتانسیل آلودگی در باطله‌های معدنی می‌باشد. به همین منظور پس از نمونه‌برداری از بخش‌های مختلف سطح دمپ باطله، غلظت فلزات سنگین همچون Al، As، Cd، Co، Cr، Cu، Fe، Mn، Mo، Ni، Pb، Sb و Zn با استفاده از روش (ICP-MS) مورد آنالیز قرار گرفت. سپس محدوده آلودگی توسط شاخص‌های ارزیابی ریسک زیست‌محیطی و بار آلودگی شناسایی و مدل-سازی گردید. سرانجام با بکارگیری از دو تکنیک آنالیز تمایز و شبکه عصبی، ریسک و پتانسیل آلودگی بر روی محدوده دمپ باطله به سه سطح آلودگی پایین، متوسط و بالا با صحت قابل قبول 49/91 و 6/93 کلاسه‌بندی شد. نتایج همچنین نشان داد که این تکنیک‌ها می‌تواند ابزار کارآمدی جهت کلاسه‌بندی باطله‌های جدید و طراحی و احداث دمپ‌ها بر اساس سطح آلودگی آنها باشد.
رده بندی داده های ژئوشیمیایی زیست محیطی با روش آنالیز تمایز و شبکه عصبی در باطله های سرب و روی تیپ سولفیدی کربناتی
آلودگی فلزات سنگین یکی از اصلی‌ترین مشکلات زیست‌محیطی در ارتباط با فعالیت‌های معدنی، صنعتی و کشاورزی در جهان به‌شمار می‌آید که به‌دلیل ماندگاری بالای این فلزات سمی و درجه انحلال پذیری مختلف در شرایط اسیدی و حتی غیر اسیدی، می‌تواند اثرات مخرب بر روی آب، خاک و انسان را در بلند مدت داشته باشد. معدن سرب- روی انگوران یکی از بزرگترین ذخایر سولفیدی- کربناتی در حد کلاس جهانی می‌باشد که در اثر معدن‌کاری، حجم قابل توجهی از باطله معدنی را به وجود آورده که می‌تواند منبع انتقال فلزات سنگین به آب و خاک مناطق پایین دست گردد. از اینرو استفاده از روش‌های سریع و مقرون به صرفه جهت کلاسه‌بندی ریسک آلودگی این نوع باطله‌ها می‌تواند ابزار مفیدی برای پایش و برنامه‌های احیاء و بازسازی در آینده باشد. هدف از این تحقیق به‌کارگیری تکنیک‌های آماری چند متغیره از جمله روش آنالیز تمایز و بهره‌گیری از تکنیک هوش مصنوعی به‌منظور کلاسه‌بندی و پیش‌بینی پتانسیل آلودگی در باطله‌های معدنی می‌باشد. به همین منظور پس از نمونه‌برداری از بخش‌های مختلف سطح دمپ باطله، غلظت فلزات سنگین همچون Al، As، Cd، Co، Cr، Cu، Fe، Mn، Mo، Ni، Pb، Sb و Zn با استفاده از روش (ICP-MS) مورد آنالیز قرار گرفت. سپس محدوده آلودگی توسط شاخص‌های ارزیابی ریسک زیست‌محیطی و بار آلودگی شناسایی و مدل-سازی گردید. سرانجام با بکارگیری از دو تکنیک آنالیز تمایز و شبکه عصبی، ریسک و پتانسیل آلودگی بر روی محدوده دمپ باطله به سه سطح آلودگی پایین، متوسط و بالا با صحت قابل قبول 49/91 و 6/93 کلاسه‌بندی شد. نتایج همچنین نشان داد که این تکنیک‌ها می‌تواند ابزار کارآمدی جهت کلاسه‌بندی باطله‌های جدید و طراحی و احداث دمپ‌ها بر اساس سطح آلودگی آنها باشد.
رده بندی داده های ژئوشیمیایی زیست محیطی با روش آنالیز تمایز و شبکه عصبی در باطله های سرب و روی تیپ سولفیدی کربناتی
علی مرادزاده (author) / مهدی زارع (author) / ابوالقاسم کامکار روحانی (author) / فرامرز دولتی ارده جانی (author)
2019
Article (Journal)
Electronic Resource
Unknown
Metadata by DOAJ is licensed under CC BY-SA 1.0
پیش‌بینی نرخ نفوذ ماشین تونلزنی با استفاده از دسته بندی گروهی داده‌های شبکه عصبی
| DOAJ | 2023
آثار توزیعی مالیات بر دی اکسید کربن بر مخارج خانوارها در ایران – رویکرد داده ستانده زیست محیطی
| DOAJ | 2020
توسعه و ارزیابی سامانه طبقه بندی نخود بر اساس فناوری پردازش تصویر مرئی و شبکه عصبی مصنوعی
| DOAJ | 2022
| DOAJ | 2022