پديد آورنده :
اله ياري، اسماعيل
عنوان :
استفاده از مدل هاي رگرسيوني و شبكه عصبي مصنوعي در پيش بيني ضرايب جذب نيكل در خاك مطالعه موردي استان مازندران
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده كشاورزي
صفحه شمار :
شانزده،95ص.: مصور،جدول،نمودار
يادداشت :
ص.ع.به فارسي و انگليسي
استاد راهنما :
مهران شيرواني
استاد مشاور :
حسين خادمي، محمدرضا مصدقي
توصيفگر ها :
چند متغيره , توابع انتقالي , ويژگي هاي زودبافت
تاريخ نمايه سازي :
27/7/93
استاد داور :
حسين شريعتمداري، محمدرضا سبزعليان
چكيده فارسي :
87 چكيده امروزه يكي از مشكالت زيستمحيطي مناطق پر جمعيت و صنعتي آلودگي خاك و آبهاي زيرزميني به فلزات سنگين ميباشد پژوهشها در اين زمينه و انتخاب روشهاي مناسب پاكسازي مناطق آلوده مستلزم تعيين و تخمين ضرايب جذب آاليندهها در خاك ميباشد اندازهگيري مستقيم ضرايب جذب مربوط به هر عنصر در خاك دشوار و زمانبر ميباشد به همين دليل در سالهاي اخير تالشهاي فراواني صورت گرفته تا با استفاده از ويژگيهاي زوديافت خاك و بدون نياز به اندازهگيري مستقيم بتوان ضرايب جذب فلزات را با دقت قابل قبولي تخمين زد هدف از اين پژوهش بررسي امكان استفاده از توابع انتقالي نظير شبكه عصبي مصنوعي و رگرسيون چند متغيره براي برآورد ضرايب جذب نيكل با استفاده از ويژگيهاي زوديافت خاك بود در همين راستا براي برآورد ضرايب جذب نيكل اقدام به نمونهبرداري از 217 نقطه از سري خاكهاي استان مازندران گرديد ويژگيهاي خاك مانند pH درصد رس سيلت و شن ماده آلي آهك معادل و گنجايش تبادل كاتيوني به عنوان ويژگيهاي زوديافت خاك در نظر گرفته شدند استخراج معادالت رگرسيوني جهت برآورد ضرايب جذب نيكل با استفاده از نرمافزار 71 SPSS به روش مرحله به مرحله انجام شد مدلسازي برآورد ضرايب جذب توسط شبكه عصبي مصنوعي با الگوريتم پس انتشار خطا تابع يادگيري لونبرگ ماركواردات و تابع انتقال TANSIG صورت پذيرفت آناليز حساسيت شبكه عصبي مصنوعي به روش Statsoft انجام شد بررسي استقالل خطا تفاوت بين مقدار واقعي و مقادير پيشبينيشده توسط رگرسيون و همراستايي بين متغيرهاي مستقل به ترتيب با استفاده از آزمون دوربين واتسون و فاكتور عامل تورم واريانس VIF در نرمافزار 71 SPSS انجام پذيرفت رگرسيون چند متغيره اغلب ضرايب جذب نيكل را به بطور قابل قبولي پيشبيني نمود در مدلهاي توسعه يافته جهت تخمين ضريب توزيع Kd نيكل درصد رس ماده آلي و كربنات كلسيم معادل وارد مدل شدند در تخمين ثابتهاي مدل فروندليچ و النگموير مهمترين ويژگيهايي كه وارد مدل شدند گنجايش تبادل كاتيوني كربنات كلسيم ماده آلي و درصد رس بود نتايج نشان داد كه همبستگي قوي بين ضرايب جذب نيكل و ويژگيهاي زوديافتي مانند درصد ماده آلي رس كربنات كلسيم و گنجايش تبادل كاتيوني وجود داشت آناليز حساسيت شبكه عصبي نشان داد كه درصد رس ماده آلي و كربنات كلسيم معادل تأثيرگذارترين ويژگيهاي زود يافت بر ضرايب جذب نيكل ميباشند همچنين نتايج نشان داد كه تفكيك نمونههاي خاك بر اساس كاربري باعث بهبود برآورد ضرايب جذب توسط رگرسيون و كاهش دقت برآورد ضرايب جذب به وسيله شبكه عصبي گرديد علت كاهش دقت شبكه عصبي در اثر تفكيك بر اساس كاربريها را ميتوان به كاهش تعداد نمونهها ارتباط داد به طور كلي نتايج اين پژوهش نشان داد كه ميتوان با استفاده از توابع انتقالي ضرايب مختلف جذب نيكل را در خاكهاي استان مازندران و خاكهاي مشابه توسط ويژگيهاي زوديافت خاك تخمين زد واژههاي كليدي ضرايب جذب رگرسيون چند متغيره شبكه عصبي مصنوعي توابع انتقالي ويژگيهاي زوديافت
چكيده انگليسي :
16Application of Regression and Artificial Neural Network Models toPredict Ni Sorption Parameters of Soils a Case Study in MazandaranProvince Smaeel Allahyari s allahyari@ag iut ac ir 9 July 2014 Department of Soil Science Isfahan University of Technology Isfahan 84156 83111 IranDegree M Sc Language FarsiAssist Prof M Shirvani@cc iut ac irAbstractSoil and groundwater pollution with heavy metals is one of the most important problems in denselypopulated and industrial areas around the world Mobility bioavailability and toxicity of heavy metals insoils are strongly dependent on sorption of metal ions by soil constituents Direct measurement of thesorption coefficients of metals in soil is difficult and time consuming Hence in the recent years greatefforts have been made to estimate sorption parameters with reasonable accuracy by using the readilyavailable properties of soil The purpose of this study was to evaluate the feasibility of using pedotransferfunctions i e Artificial Neural Network ANN and Multiple Regression MR to estimate the sorptionparameters of Nickel Ni using readily available soil properties For this purpose Ni sorption isothermexperiments were carried out on 102 soil samples from Mazandaran Province and various sorptionparameters were obtained from fitted Langmuir and Freundlich equations Distribution confidents Kd atdifferent Ni concentrations were also calculated as single point indexes of Ni sorption Results showedthat Ni sorption parameters have significant correlations with soil properties such as pH clay silt sand organic matter Calcium Carbonate Equivalent CCE and CEC confirming the role of these soilcharacteristics on Ni sorption in the soils A lot of multiple regression models were developed forestimating of Ni sorption parameters The most important soil properties entered to regression models wereCEC CCE organic matter and clay ANN sensitivity analysis also showed that the clay organic matter and CCE contents had the most influence on Ni sorption parameters in the studied soils Also the resultsshowed that the discrimination of soil samples based on landuse improves the accuracy of sorptionparametrs estimated by regression but reduced those estimated by the ANN In conclusion the results ofthis study showed that the pedotransfer functions can be satisfactorily used for estimation of different Nisorption parameters from soil properties in Mazandaran province Keywords heavy metals adsorption isotherm multiple regression Artificial Neural Network Pedotransfer Functions readily available soil properties
استاد راهنما :
مهران شيرواني
استاد مشاور :
حسين خادمي، محمدرضا مصدقي
استاد داور :
حسين شريعتمداري، محمدرضا سبزعليان
