مقایسه عملکرد مدل های خطی و هیبریدی در پیش بینی پراکنش عناصر سنگین در خاک با استفاده از سنجش از دور و تحلیل فضایی در شرق زنجان
محل انتشار: فصلنامه محیط شناسی، دوره: 43، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 179
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESJ-43-1_007
تاریخ نمایه سازی: 13 دی 1401
چکیده مقاله:
هدف از این پژوهش ارزیابی مدل های خطی و الگوریتم های تکاملی در تهیه نقشه پراکنش فلزات سنگین سرب، روی، کادمیم و مس با استفاده از تکنیک سنجش از دور در اطراف شرکت ملی سرب و روی استان زنجان است. در این پژوهش پیش بینی پراکنش فلزات سنگین با استفاده از اطلاعات تصاویر ماهواره ای سنجنده TM و مدل های رگرسیون چندمتغیره خطی گام به گام و مدل هیبریدی شبکه عصبی مصنوعی-الگوریتم ژنتیک انجام شد. مجذور میانگین مربعات خطا داده های آموزش مدل های شبکه عصبی مصنوعی-الگوریتم ژنتیک برای غلظت کل عناصر سرب، روی، کادمیم و مس به ترتیب ۰۷/۰، ۰۹/۰، ۱۷/۰ و ۱۷/۰ و با استفاده از مدل رگرسیون چندمتغیره خطی گام به گام به ترتیب ۴۵/۰، ۳۲/۰، ۴۸/۰ و ۵۴/۰ بود. ضرایب تبیین داده های آموزشی در مدل شبکه عصبی مصنوعی-الگوریتم ژنتیک برای عناصر فوق به ترتیب ۸۸/۰، ۸۰/۰، ۷۵/۰، ۴۵/۰ و در مدل رگرسیون چندمتغیره خطی گام به گام به ترتیب ۵۳/۰، ۴۳/۰، ۴۴/۰ و ۴۳/۰ بود. نتایج تحلیل خودهمبستگی فضایی نشان داد که فلزات سرب و کادمیم خوشه های متمرکزی در اطراف تاسیسات صنعتی داشته و برای عنصر روی بیشتر در اطراف آبراهه های موجود در منطقه تمرکز وجود دارد. نتایج موید پیش بینی موفق کاربرد مدل شبکه عصبی مصنوعی-الگوریتم ژنتیک در تعیین الگوی پراکنش عناصر سنگین با استفاده از داده های سنجش از دور بود.
کلیدواژه ها:
Soil Pollution ، spatial variability ، Local moran index ، Artificial neural network-genetic algorithm
نویسندگان
آرمان نادری
Ph.D student of soil genesis, classification and evaluation, Department of soil science, University of Zanjan
محمد امیر دلاور
Associate Professor of soil genesis, classification and evaluation, Department of soil science, University of Zanjan
بابک کبودین
Professor