این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Mining and Environment، جلد ۸، شماره ۱، صفحات ۳۵-۴۸
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Use of artificial intelligence techniques to predict distribution of heavy metals in groundwater of Lakan lead-zinc mine in Iran
چکیده انگلیسی مقاله Determining the distribution of heavy metals in groundwater is important in developing appropriate management strategies at mine sites. In this paper, the application of artificial intelligence (AI) methods to data analysis,namely artificial neural network (ANN), hybrid ANN with biogeography-based optimization (ANN-BBO), and multi-output adaptive neural fuzzy inference system (MANFIS) to estimate the distribution of heavy metals in groundwater of Lakan lead-zinc mine is demonstrated.For this purpose, the contamination groundwater resources were determined using the existing groundwater quality monitoring data, and several models were trained and tested using the collected data to determine the optimum model that used three inputs and four outputs. A comparison between the predicted and measured data indicated that the MANFIS model had the mostpotential to estimate the distribution of heavy metals in groundwater with a high degree of accuracy and robustness.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله z بیات زاده فرد | bayatzadeh fard
department of mining engineering, arak university of technology, arak, iran
سازمان اصلی تایید شده: دانشگاه صنعتی اراک (Arak university of technology)

f قدیمی |
department of mining engineering, arak university of technology, arak, iran
سازمان اصلی تایید شده: دانشگاه صنعتی اراک (Arak university of technology)

h فتاحی |
department of mining engineering, arak university of technology, arak, iran.
سازمان اصلی تایید شده: دانشگاه صنعتی اراک (Arak university of technology)

نشانی اینترنتی http://jme.shahroodut.ac.ir/article_592_250d06888116ca1fee0f7cf3c334ee01.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/496/article-496-314670.pdf
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات