استفاده از شبکه های عصبی مصنوعی برای تعیین عوامل موثر بر تغییرات سرب در خاک سطحی زمین های حاشیه بزرگراه دزفول-اهواز

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 609

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AFPICONF02_185

تاریخ نمایه سازی: 1 آذر 1394

چکیده مقاله:

بررسی توزیع غلظت فلزات سنگین جهت پایش آلودگی خاک و حفظ کیفیت محیط زیست ضروری است. براین اساس، پژوهشی در بهار سال 1393 با هدف استفاده از شبکه های عصبی مصنوعی برای تعیین عوامل موثر بر تغییرات سرب در خاک سطی زمین های حاشیه بزرگراه دزفول-اهواز انجام گردید. برای این منظور، نمونه برداری خاک از عمق 0 تا 10 سانتی متر بر روی خط مجاور با محور بزرگراه باسه نمونه یکسان به فواصل 40،15 و 100متری از حاشیه جاده انجام شد(مجموعا 135 نمونه) سپس در هر نمونه خاک، غلظت کل فلز سرب، ماده آلی، آهک،PH، هدایت الکتریکی (EC) و توزیع اندازه ای ذرات خاک(درصد رس، سیلت، شن ریز و خیلی ریز و درصد کل شن) اندازه گیری شد. مدل سازی با استفاده از شبکه های عصبی مصنوعی (ANNs) و رگرسیون خطی چند متغیره (MLR) انجام گردید. برای بررسی کارایی مدل ها نیز از برخی شاخص های آماری نظیر ضریب همبستگی (r) ریشه میانگین مربعات خطا (RMSE) و شاخص کارایی مدل (MEF) بین مقادیر اندازه گیری شده و براوردشده، استفاده شد. بررسی نتایج حاصل از انتخاب متغیر به روش ANN نمایانگر آن بود که آهک موثرترین فاکتور در جذب سرب در فاصله 0 تا15 متری از جاده دزفول-اهواز است. در فاصله 15 تا 45 متری، مقدار شن و در فاصله 45 تا 100 متری نیز، EC بیشترین ضریب اهمیت را دار بودند. بررسی شاخص های آماری سنجش کارایی مدل نشان داد که مدل ANN دارای ضریب دقت بالاتری در شبیه سازی غلظت عنصر مورد مطالعه است. ضریب همبستگی برآورد سرب با استفاده ازمدل شبکه عصبی برابر با 0/96 بود، در حالی که مقدار آن برای مدل MLR 0/62 بود. بنابراین براساس نتایج این پژوهش به نظر می رسد که بتوان از شبکه های عصبی مصنوعی برای شبیه سازی غلظت عناصر سنگین و عوامل موثر بر دریافت آن ها درمنطقه مورد مطالعه استفاده کرد.

نویسندگان

ثمین نظریات

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد خوراسگان، اصفهان، ایران

مهران هودجی

دانشیار گروه علوم خاک، دانشگاه آزاد اسلامی واحد خوراسگان اصفهان ایران

علی اصغر بسالت پور

استادیار گروه علوم خاک، استاد دانشگاه ولیعصر(عج) رفسنجان،ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • مدیان، ف. تقی زاده، ر. عگری، ح. م. اکبرزاده ع. ...
  • Adrano, D. C. (1998.) Trace element in the terrestrial environment, ...
  • Alloways, B. J. (1990). "Heavy Metal in soils", Blackie, London. ...
  • Armstrong, J. (1998). "Development of methodology for estimating vehicle emissions", ...
  • Besalatpour A.A, Ayoubi, S. Hajabbasi, M.A. Mosaddeghi, _ R. Schulin, ...
  • Coelho, M. C. faras, T. L. And Rouphail, N. M. ...
  • Doran, J. W. Parkin, T. B. (1996). Quantitative indicators of ...
  • Fran, ois, M. Grant, C. Lambert, R. Sauve, S. (2009). ...
  • _ Frey, C. Rouphail, N. Unal, A. and Colyar, J. ...
  • Gee, G. W. and Bauder, J. W. (1986). Particle size ...
  • _ Gomes, P. C. Fontes, M. P. Dasilva, A. G. ...
  • Henderson, B. L. Bui, E. N. Moran, C. J. Simon, ...
  • Kim, M. J. Kim, T. S. (2002). A neural classifier ...
  • Klute, A. (1986). Methods of soil analysis, part I, physical ...
  • Lombnaes, P. Singh, B. R. (2003). Predicting Zn and Cu ...
  • Maier, H. R. Dandy, G. C. (1998). Understanding the behaviour ...
  • I8. Nasralla, M. _ (1984). Lead in Jaddah urban dust. ...
  • Peak, D. Luther, G. W. and Sparks, D. L. (2003). ...
  • Singer, A. (1989). Palygorskite and sepiolite group minerals. In: Dixon, ...
  • Spencer, M. Whitfort, T. McCullagh, J. (2004). Mapping dry land ...
  • Van Bohemen, H. D. Janssen, Van De Laak, W. H. ...
  • نمایش کامل مراجع