کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5480777 1522104 2017 40 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Application of artificial intelligence for the management of landfill leachate penetration into groundwater, and assessment of its environmental impacts
ترجمه فارسی عنوان
استفاده از هوش مصنوعی برای مدیریت نفوذ شفاف دفن زباله به آبهای زیرزمینی و ارزیابی اثرات زیست محیطی آن
کلمات کلیدی
نفوذ شیرابه، آب های زیرزمینی، کنترل آلودگی، منطق فازی، شبکه های عصبی،
ترجمه چکیده
تحقیق حاضر تلاش برای شبیه سازی نفوذ شفاف پلی اتیلن به آبهای زیرزمینی با استفاده از منطق فازی و مدل سازی شبکه های عصبی است. مدل های به دست آمده به عنوان ابزار کارآمد برای پیش بینی نفوذ شوری و ارزیابی اثرات زیست محیطی آن مورد استفاده قرار گرفت. روش های آموزشی برای هر دو شبکه عصبی و مدل های فازی موفقیت آمیز بود. مدل های قطار و تست بیش از 70 بازی کامل بین مقادیر مشاهده شده و شبیه سازی نشان دادند. ضریب تعیین مدل قطار با استفاده از منطق فازی 999999، که حتی دقیق تر از شبکه های عصبی بود. مدل های هوشمند معرفی شده برای بررسی اثرات زیست محیطی آلودگی ها مفید بودند زیرا می توانند غلظت آلاینده ها را با دقت بالا شبیه سازی کنند. این مدل ها می توانند رابطه بین غلظت سدیم در یک عمق و غلظت سدیم در آب های زیرزمینی را تشخیص دهند. تجزیه و تحلیل 14 متغیر ورودی در فرایند مدل سازی تقریبا همان نتایج را برای هر دو روش مدل سازی نشان داد. تجزیه و تحلیل آلاینده ها نشان می دهد که نیاز تقاضای اکسیژن مولیبدن، سدیم و شیمیایی سه عامل مهم در شبیه سازی نفوذ شوری به آب های زیرزمینی برای منطقه مورد مطالعه است. مشاهده شد که فلزات سنگین باید با دقت بررسی شوند هنگامی که شیردهی نفوذ به آبهای زیرزمینی شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
استفاده از هوش مصنوعی برای مدیریت نفوذ شفاف دفن زباله به آبهای زیرزمینی و ارزیابی اثرات زیست محیطی آن
چکیده انگلیسی
The current research was an effort to simulate landfill leachate penetration into groundwater using fuzzy logic and neural network modeling approaches. The obtained models were used as efficient tools for predicting leachate penetration and assessment of its environmental impacts. The training procedures were successful for both neural networks and fuzzy models. The train and test models showed over 70 perfect matches between the observed and the simulated values. The coefficient of determination for train model by fuzzy logic was 0.99998, which was even more precise than neural networks. The introduced intelligent models were useful for examining environmental impacts of contaminants because they could simulate the concentration of contaminants with high accuracy. These models could discern the relation between concentration of leachate at a given depth and concentration of leachate in groundwater. The analysis of 14 input variables in the modeling process indicated almost the same results for both modeling approaches. The analysis of contaminants showed that the Molybdenum, Sodium and Chemical Oxygen Demand are the three most important variables in the simulation of leachate penetration into groundwater for the study area. It was observed that heavy metals should be monitored carefully when leachate penetrates into groundwater.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Cleaner Production - Volume 149, 15 April 2017, Pages 784-796
نویسندگان
, , ,