این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش نفت، جلد ۳۲، شماره ۱۴۰۱-۲، صفحات ۱۹-۳۴
عنوان فارسی تأثیر سرعت باد درکشف لکه نفتی توسط رادار پلاریمتری (SAR)
چکیده فارسی مقاله رها شدن نفت به اقیانوس‌ها از تانکرها و کشتی‌ها و خطوط انتقال نفت اهمیت اکولوژی و تأثیر اجتماعی، اقتصادی روی محیط‌های ساحلی دارد.سالانه 48% آلودگی اقیانوس‌ها مربوط به سوخت و 29% مربوط به نفت خام می‌باشد و تصادف‌ تانکرهای حامل، فقط 5% آلودگی‌های وارد شده به دریا را شامل می‌شود .هدف از این تحقیق، بررسی اثرات ضریب رانش باد تحت شرایط شدید جزر و مد در منطقه ساحلی غربی کره در زمینه حرکت سیلاب‌های نفتی ناشی از حادثه تصادف تانکر نفتی با دکل در طوفان هبی می‌باشد. برای تفکیک نفت از نمونه‌های مشابه آن، از شبکه عصبی CNN استفاده شد. حذف نویز داده‌های باز پراکنش شده توسط فیلتر Boxcar اصلاح شد و حرکت سیل نفت با استفاده از یک مدل شبیه‌سازی ساده بر اساس فرمول تجربی به‌عنوان عملکرد جریان سطح آب، سرعت باد و فاکتور رانش باد محاسبه شد. برای شبیه‌سازی، به‌منظور تولید میدان‌های جزر و مد و باد، از مدل دینامیکی سیالات محیطی (EFDC) و سیستم هواشناسی خودکار (AWS) استفاده شد. سپس نتایج شبیه‌سازی شده با 2 نمونه از داده‌های رادار روزنه مصنوعی Sentinel-1 و TerraSAR-X مقایسه شد. از مطالعه حاضر، مشخص شد که بیشترین میزان تطابق بین نتایج شبیه‌سازی و تصاویر ماهواره‌ای با مقادیر مختلف عامل رانش باد به دست می‌آید و این عامل به‌طور خطی متناسب با سرعت باد بود. بر اساس نتایج، یک فرمول تجربی اصلاح‌شده جدید برای پیش‌بینی حرکت سیل نفت در منطقه ساحلی پیشنهاد شده است. 
کلیدواژه‌های فارسی مقاله شبکه عصبی CNN، سرعت باد، سیستم شناسایی خودکار AIS، طبقه‌بندی تصویر، رادار پلاریته،
عنوان انگلیسی The Effect of Wind Speed in Discovery of Oil Spill by Polarimetric Radar
چکیده انگلیسی مقاله The oil spill into the oceans from oil tankers and oil pipelines has an ecological importance and a social and economic impact on coastal environments. Rapid detection of deliberate and accidental oil leaks can reduce serious risks to coastal residents and help pollutants be identified. The purpose of this research is to study the effects of thrust coefficient in wind under severe tidal conditions in the area of oil floods motion caused by oil tanker collision with a tower in Hebei typhoon in the western coastal zone of Korea. In order to separate oil from similar samples, Convolutional Neural Network (CNN) was used. The noise loss of the open data scattered by the Boxcar filter was modified and the motion of the oil flood was calculated by using a simple simulation model based on the experimental formula as the performance of surface water flow, wind speed and wind thrust factor. To simulate, the Environmental Fluid Dynamics Code (EFDC) and Automatic Weather Station (AWS) were used to generate tidal and wind fields. The simulated results were then compared with two samples of the data of the Synthetic Aperture Radar, Sentinel-1 and TerraSAR-X. From the present study, it is found that the highest match between the simulation results and the satellite images is obtained with different values of wind thrust and this factor is linearly proportionate to the wind speed. According to the results, a new modified experimental formula is proposed to predict the flow of oil flood motion in the coastal zone.
کلیدواژه‌های انگلیسی مقاله شبکه عصبی CNN, سرعت باد, سیستم شناسایی خودکار AIS, طبقه‌بندی تصویر, رادار پلاریته
نویسندگان مقاله علیرضا رضائی |
بخش مکاترونیک و ممز،گروه بین رشته ای فناوری،دانشکده علوم و فنون نوین،دانشگاه تهران،تهران، ایران

یاسر رضائی |
بخش مکاترونیک و ممز،گروه بین رشته ای فناوری،دانشکده علوم و فنون نوین،دانشگاه تهران،تهران، ایران

میلاد اسدپور |
بخش مکاترونیک و ممز،گروه بین رشته ای فناوری،دانشکده علوم و فنون نوین،دانشگاه تهران،تهران، ایران

نشانی اینترنتی https://pr.ripi.ir/article_1235_22d237f7636537d4d3e89367392d5825.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات