Prediction of Degree of Soil Contamination Based on Support Vector Machine and K-Nearest Neighbor Methods: A Case Study in Arak, Iran

  • سال انتشار: 1393
  • محل انتشار: فصلنامه انرژی و محیط زیست ایران (ایرانیکا)، دوره: 5، شماره: 4
  • کد COI اختصاصی: JR_IJEE-5-4_002
  • زبان مقاله: انگلیسی
  • تعداد مشاهده: 634
دانلود فایل این مقاله

نویسندگان

Faridon Ghadimi

Arak University of Technology, Arak, Iran

چکیده

The degree of soil contamination in an urban region can be changed by heavy metals. This mightresult in endangering safety of an urban region. This paper presents an approach to build a prediction modelfor the assessment of degree of contamination index, based upon heavy metals changes. The heavy metalconcentration of Pb, Cu, Ni, Zn, As, Cr and Ni as input was used to build a prediction model for the assessmentof degree of contamination. Two prediction models were implemented such as support vector regression (SVR)and k-nearest neighbor regression method (KNNR). A comparison was made between these two models andthe results showed the superiority of the SVR model. Furthermore, a case study in Arak, Iran was conductedto illustrate the capability of the support vector machines (SVM) model.

کلیدواژه ها

Degree of contamination Heavy metals Support vector machines K-Nearest Neighbor Arak

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.