تشخیص و طبقه بندی آلودگی نفتی خاک با استفاده از سامانه بینی الکترونیکی و روش های تشخیص الگو

در چند دهه اخیر آلاینده های متنوعی از طریق فعالیت های انسانی به مقدار بسیار زیادی وارد محیط‎زیست شده اند. آلودگی نفتی یکی از آن آلاینده ها می باشد که می تواند برای انسان و محیط زیست زیان آور باشد و تشخیص و پاکسازی آن از اهمیت فرآوانی برخوردار است. با توجه به توانمندی فناوری مبتنی بر بینی الکترونیک در حوزه های غذایی، صنعتی و...، هدف از این پژوهش امکان سنجی بکارگیری فناوری بینی الکترونیک در تشخیص آلودگی در یک خاک آلوده به نفت خام بوده است. در این پژوهش از یک سامانه بینی الکترونیک متشکل از ۸ حسگر نیمه هادی اکسید فلزی استفاده شد. خاک مورد استفاده در این پژوهش، خاک یکی از مزارع اطراف کرج می باشد که در آزمایشگاه با نفت خام در ۴ غلظت ۲۰۰ppm، ۵۰۰ppm، ۱۰۰۰ppm و ۵۰۰۰ppm آلوده شد و مورد آزمایش قرار گرفت. این سامانه به همراه روش های تشخیص الگو همچون تحلیل مولفه های اصلی (PCA)، تحلیل تفکیک خطی(LDA) و ماشین بردار پشتیبان(SVM) مورد تحلیل و بررسی قرار گرفت. نتایج حاصل از روش های تشخیص الگو به صورت (۹۲ درصد) برای تحلیل مولفه های اصلی، (۱۰۰ درصد) برای تشخیص تفکیک خطی و (۱۰۰ درصد) برای روش ماشین بردار پشتیبان به دست آمد. همچنین با بکارگیری تحلیل آماری داده ها با روش آزمایش فاکتوریل در قالب طرح بلوک تصادفی و استفاده از الگوریتم های رگرسیون درخت تصمیم، رگرسیون بردار پشتیبان، رگرسیون گرادیان تقویت یافته و رگرسیون جنگل تصادفی با نرخ تشخیص سطوح آلودگی با میانگین ۹۵.۵ درصد برای حسگر با بهترین عملکرد، توانسته شد تفاوت میان غلظت های آلوده شده را به خوبی نشان دهد. براین اساس، حسگرهای انتخابی بینی الکترونیک با مقایسه نتایج آن ها با نتایج بدست آمده توسط سامانه کروماتوگرافی گازی بر روی خاک آلوده به نفت خام، از حساسیت قابل قبولی برخوردار بوده اند.

کلیدواژه ها:

حسگرهای گازی ، نفت خام ، ماشین بویایی ، خاک آلوده ، الگوریتم های یادگیری ماشین