این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های خاک، جلد ۲۵، شماره ۱، صفحات ۶۱-۷۰
عنوان فارسی تصمیم‌گیری بر اساس الگوریتم ژنتیک برای انتخاب گیاه مناسب به منظور گیاه‌پالایی خاک‌های آلوده به نفت
چکیده فارسی مقاله الگوریتم ژنتیک یک روش جستجوی مؤثر در فضاهای وسیع و بزرگ بر اساس ژن­ها و کروموزوم­ها می­باشد که در نهایت منجر به جهت­گیری به سمت یافتن پاسخ بهینه در میان سایر پاسخ­های ممکن می­شود. در این پژوهش انتخاب مناسب­ترین گیاه و سطح اختلاط خاک آلوده به ترکیبات نفتی با خاک غیر آلوده (سطوح 1به1 و 3به1، خاک آلوده: خاک غیر آلوده) برای گیاه­پالایی خاک­های آلوده به نفت اطراف پالایشگاه تهران از طریق بهینه­سازی به روش الگوریتم ژنتیک با روش آمار کلاسیک مقایسه شد. نتایج حاصل از انتخاب گیاهان مناسب از میان هفت گیاه مورد بررسی (اگروپایرون، فسکیو، پوکسنلیا، آفتابگردان، شبدر، کلزا و گلرنگ) در بخش مطالعات قابلیت رشد بر اساس روش آمار کلاسیک نشان­ داد که در هر دو سطح آلودگی 1 به 1 و 3 به 1 گیاهان اگروپایرون، فسکیو و پوکسنلیا انتخابی بهینه از میان سایر انتخاب­های ممکن بود. این درحالیست که در روش الگوریتم ژنتیک، انتخاب 4 گیاه اگروپایرون، فسکیو، آفتابگردان و گلرنگ مناسب­ترین پاسخ بود. از سوی دیگر در مطالعات گیاه­پالایی، اگروپایرون و فسکیو گیاهان مناسب جهت پالایش آلاینده­های نفتی از خاک به روش آمار کلاسیک بودند. در حالی­که در بهینه­سازی به روش الگوریتم ژنتیک، اگروپایرون مناسب­ترین گیاه و سطح آلودگی 1 به 1 مناسب­ترین نسبت اختلاط برای کسب بیشترین احتمال موفقیت در پالایش آلاینده­های نفتی از خاک به روش گیاه­پالایی بودند. همچنین کشت همزمان اگروپایرون - فسکیو در سطح آلودگی 1 به 1 نیز به عنوان بهینه­ترین پاسخ از میان سایر پاسخ­های ممکن برای کشت همزمان دو گیاه و سطح آلودگی مناسب حاصل شد. بنابراین کشت همزمان اگروپایرون– فسکیو و نسبت اختلاط 1 به 1 خاک آلوده و خاک غیر آلوده به منظور گیاه­پالایی آلاینده­های نفتی موجود در منطقه مورد مطالعه توصیه می­گردد.
کلیدواژه‌های فارسی مقاله الگوریتم ژنتیک، آمار کلاسیک، گیاه‌پالایی و آلاینده‌های نفتی،
عنوان انگلیسی Decision Making Using Genetic Algorithm to Select the Best Plant Genotype for Phytoremediation of Petroleum - Contaminated Soils
چکیده انگلیسی مقاله Genetic algorithm is an optimization method for finding the best solution in large design spaces in a way similar to chromosomes and genes in biological systems. In this study, the potential use of classical statistical analysis is compared with genetic algorithm optimization methods for finding the best plant cultivation and the best mixing petroleum-contamination level (1:1 and 3:1, contaminated: uncontaminated soil) for phytoremediation of petroleum-contaminated soil around the Tehran Oil Refinery. Results from the germination and subsequent growth trials showed that, according to the classical statistical analysis method, agropyron, tall fescue, and puccinellia were the optimum plant species for both contamination levels (1:1 and 3:1). In contrast, selection of agropyron, tall fescue, sunflower, and safflower was the optimum solution using the genetic algorithm optimization method. In the phytoremediation experiments, agropyron and contamination level 1:1 were the optimum solutions for achieving successful phytoremediation of the investigated petroleum-contaminated soil using genetic algorithm optimization method. Furthermore, the agropyron-tall fescue combined species and the level 1:1 were the best combined two-plant cultivations and the best mixing petroleum-contamination level, respectively. Therefore, the agropyron-tall fescue combined cultivation and level 1:1 were recommended for phytoremediation of the investigated petroleum-contaminated soil.
کلیدواژه‌های انگلیسی مقاله الگوریتم ژنتیک, آمار کلاسیک, گیاه‌پالایی و آلاینده‌های نفتی
نویسندگان مقاله علی اصغر بسالت پور |
دانشجوی دکتری گروه خاکشناسی دانشکده کشاورزی دانشگاه صنعتی اصفهان

Mohammad Hajabbasi |
استاد گروه خاکشناسی دانشکده کشاورزی دانشگاه صنعتی اصفهان

امیرحسین خوشگفتارمنش |
دانشیار گروه خاکشناسی دانشکده کشاورزی دانشگاه صنعتی اصفهان

فرید شیخ الاسلام |
دانشیار گروه کنترل دانشکده برق دانشگاه صنعتی اصفهان

نشانی اینترنتی https://srjournal.areeo.ac.ir/article_126465_780d76d77dd169b9646a9e8162965849.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