تشخیص و طبقه‌بندی آلودگی نفتی خاک با استفاده از سامانه بینی الکترونیکی و روش‌های تشخیص الگو

امینی, محمدسروش; محتسبی, سید سعید; رفیعی, شاهین; پوربابائی, احمدعلی

doi:10.22034/JRMAM.2024.14581.680

تشخیص و طبقه‌بندی آلودگی نفتی خاک با استفاده از سامانه بینی الکترونیکی و روش‌های تشخیص الگو

نوع مقاله : مقاله پژوهشی

نویسندگان

محمدسروش امینی ¹

سید سعید محتسبی ²

شاهین رفیعی ³

احمدعلی پوربابائی ⁴

¹ فارق‌التحصیل کارشناسی ارشد مهندسی مکانیک بیوسیستم، دانشکده کشاورزی و منابع طبیعی دانشگاه تهران، کرج ایران

² استاد گروه مهندسی مکانیک بیوسیستم ، دانشکده مهندسی فناوری و کشاورزی ،دانشگاه تهران، کرج، ایران

³ استاد، گروه مهندسی ماشین‌های کشاورزی، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران

⁴ استاد، گروه مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران

https://doi.org/10.22034/JRMAM.2024.14581.680

چکیده

در چند دهه اخیر آلاینده‌های متنوعی از طریق فعالیت‌های انسانی به مقدار بسیار زیادی وارد محیط‎زیست شده‌اند. آلودگی نفتی یکی از آن آلاینده‌ها می‌باشد که می‌تواند برای انسان و محیط‌زیست زیان‌آور باشد و تشخیص و پاکسازی آن از اهمیت فرآوانی برخوردار است. با توجه به توانمندی فناوری مبتنی بر بینی‌الکترونیک در حوزه‌های غذایی، صنعتی و...، هدف از این پژوهش امکان سنجی بکارگیری فناوری بینی‌الکترونیک در تشخیص آلودگی در یک خاک آلوده به نفت خام بوده‌است. در این پژوهش از یک سامانه بینی الکترونیک متشکل از 8 حسگر نیمه‌هادی اکسید فلزی استفاده شد. خاک مورد استفاده در این پژوهش، خاک یکی از مزارع اطراف کرج می‌باشد که در آزمایشگاه با نفت خام در 4 غلظت 200ppm، 500ppm، 1000ppm و 5000ppm آلوده شد و مورد آزمایش قرار گرفت. این سامانه به همراه روش‌های تشخیص الگو همچون تحلیل مولفه‌های اصلی (PCA)، تحلیل تفکیک خطی(LDA) و ماشین بردار پشتیبان(SVM) مورد تحلیل و بررسی قرار گرفت. نتایج حاصل از روش‌های تشخیص الگو به‌صورت (92 درصد) برای تحلیل مولفه‌های اصلی، (100 درصد) برای تشخیص تفکیک خطی و (100 درصد) برای روش ماشین بردار پشتیبان به‌دست‌آمد. همچنین با بکارگیری تحلیل آماری داده‌ها با روش آزمایش فاکتوریل در قالب طرح بلوک تصادفی و استفاده از الگوریتم‌های رگرسیون درخت تصمیم، رگرسیون بردار پشتیبان، رگرسیون گرادیان تقویت‌یافته و رگرسیون جنگل تصادفی با نرخ تشخیص سطوح آلودگی با میانگین 95.5 درصد برای حسگر با بهترین عملکرد، توانسته شد تفاوت میان غلظت‌های آلوده شده را به خوبی نشان دهد. براین‌اساس، حسگرهای انتخابی بینی‌الکترونیک با مقایسه نتایج آن‌ها با نتایج بدست‌آمده توسط سامانه کروماتوگرافی گازی بر روی خاک‌آلوده به نفت خام، از حساسیت قابل قبولی برخوردار بوده‌اند.

کلیدواژه‌ها

حسگرهای گازی

نفت خام

ماشین بویایی

خاک‌آلوده

الگوریتم‌های یادگیری ماشین

موضوعات