دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته معدن

تمایل : کشف

عنوان : پیش بینی آلودگی عناصر سنگین در پساب اسیدی رودخانه شور معدن مس پورفیری سرچشمه با استفاده از هوش مصنوعی

دانشگاه صنعتی اراک

گروه مهندسی معدن

پایان نامه دوره کارشناسی ارشد مهندسی معدن تمایل کشف معدن

پیش بینی آلودگی عناصر سنگین در پساب اسیدی رودخانه شور معدن مس پورفیری سرچشمه با استفاده از هوش مصنوعی

استادان راهنما:

دکتر آزاده آگاه

دکتر هادی فتاحی

تابستان93

واسه رعایت تکهایی از متن پایان نامه مثلا :

(ممکنه هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزه یا بعضی نمادها و اشکال درج نشه ولی در فایل دانلودی همه چیز منظم و کامله)

 

عنوان
صفحه

 

فهرست

 

فهرست مطالب

ح

فهرست شکل ها

ی

فهرست جدول ها

م

فهرست علایم و نشونه ها

ن

 

 

صفحه
عنوان

فهرست مطالب

فصل اول

1

کلیات

1

1-1-مقدمه
2

1-2-تعریف مسأله
3

1-2-1-پساب اسیدی معدنی

4

1-2-2- ریشه پساب های اسیدی معدن

4

1-2-3- عکس العمل های اکسیداسیون و تولید اسید

6

1-2-4- عوامل موثر بر میزان اکسید شدن پیریت

8

1-2-5- اثرات زیست محیطی پساب های اسیدی معدن

8

1-3-مروری بر گذشته تحقیقات انجام شده
11

1-4- ضرورت انجام تحقیق

18

1-5-اهداف تحقیق

19

1-6-سازماندهی پایان نامه
19

فصل دوم
21

سیستم استنتاج فازی-عصبی برابری

21

2-1-مقدمه
22

2-2-ir/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d9%be%d8%a7%db%8c%d8%a7%d9%86-%d9%86%d8%a7%d9%85%d9%87-%d9%be%db%8c%d8%b4%c2%ad-%d8%a8%db%8c%d9%86%db%8c-%d9%86%d8%b1%d8%ae-%d8%ae%d9%88%d8%b1%d8%af%da%af%db%8c/” title=”شبکه عصبی”>شبکه عصبی مصنوعی

30

2-4-سیستم استنتاج عصبی-فازی برابری

30

2-4-1 -ساختار ریاضی انفیس

31

2-5-سیستم استنتاجی عصبی-فازی برابری چند خروجی

35

2-5-1-عملیات آموزش سیستم استنتاج عصبی-فازی برابری چند خروجی

37

2-5-2-پارتیشن بندی شبکه
39

2-5-3- خوشه بندی کاهشی

39

2-5-3- فازی  میانگین – c
40

2-6-جمع بندی

41

فصل سوم
42

معرفی و خصوصیات کلی معدن مس سرچشمه
42

3-1- مشخصات عمومی معدن مس سرچشمه
43

3-1-1- موقعیت جغرافیایی و شرایط اقلیمی كانسار پورفیری مس سرچشمه
43

3-2- تاریخچه معدن مس سرچشمه
44

3-4- كانی سازی در معدن مس سرچشمه
45

3-5-تحقیقات انجام شده روی سد باطله معدن مس سرچشمه
45

3-5-1- احداث سد باطله
46

3-5-2-هیدرولوژی منطقه
47

3-6-باطله های معدن مس سرچشمه
48

3-6-1-مقدمه
48

3-6-2-سایت معدنی سرچشمه
50

3-6-3- نمونه ورداری و روش های صحرایی

51

3-7-جمع بندی

54

فصل چهارم
55

مدلسازی و بررسی یافته های

55

4-1-مقدمه
56

4-2- پیش بینی فلزات سنگین در پساب اسیدی معدن با استفاده از مدل  سیستم استنتاج عصبی-فازی برابری چند متغیره
64

4-2-1-معیارهای آزمایش کارکرد مدل

66

4-3-یافته های حاصل از سیستم استنتاج عصبی-فازی برابری چندخروجی

66

4-4-رگرسیون خطی

78

4-4-1-رگرسیون خطی چندگانه
79

4-5-یافته های حاصل از رگرسیون خطی چندگانه
80

فصل پنجم

87

5-1-نتیجه گیری کلی

88

5-2-پیشنهادات

91

منابع

92

 

صفحه
عنوان

فهرست اشکال

 

 

شکل ‏1‑1 -اکسید شدن پیریت و تولید اسید در یک معدن زغال سنگ

6

شکل ‏1‑2-میکروگراف الکترونی از باکتری تیوباسیلوس فرواکسیدان

7

شکل ‏1‑3-آلودگی آب های سطحی درغرب ویرجینیا

9

شکل ‏1‑4-مرگ ماهی ها بر اثر تخلیۀ پساب اسیدی معدن حاصل از معادن رومانی در رودخانۀ دانوب

9

شکل ‏1‑5-آلودگی آب های سطحی به وسیله پساب اسیدی حاصل از معادن زغال سنگ در غرب پنسیلوانیا
10

شکل ‏2‑1-ساختار یک سیستم فازی

23

شکل ‏2‑2-ساختار سه سیستم استنتاجی فازی

24

شکل ‏2‑3-سیستم فازی ممدانی

25

شکل ‏2‑4-سیستم فازی TSK

26

شکل ‏2‑5-ساختار یك نرون مصنوعی

27

شکل ‏2‑6-ساختار نمونه انفیس در مدل فازی سوگنو

30

شکل ‏2‑7-ساختار دیگری از انفیس

33

شکل ‏2‑8-سیستم استنتاجی عصبی-فازی برابری چند خروجی مدل سوگنو مرتبه با یک ورودی و سه خروجی

36

شکل ‏3‑1-موقعیت جغرافیایی کانسار مس سرچشمه

43

شکل ‏3‑2-سد باطله در معدن مس پورفیری سرچشمه

45

شکل ‏3‑3-محل معدن مس سرچشمه و رودخانه شور

50

شکل ‏3‑4-محل نمونه ورداری رودخانه شور

51

شکل ‏3‑5-محل های نمونه ورداری و موقعیت معدن مس سرچشمه

53

شکل ‏4‑1-رسوب سولفات مس و آهن مس سرچشمه

57

شکل ‏4‑2-رسوب کانی های ثانویه سولفات مس و آهن

57

شکل ‏4‑3-کلوئیدی شدن پساب و انحلال سولفیدها

58

شکل ‏4‑4-کلوئیدی شدن پساب و انحلال سولفات در پساب فرعی

58

شکل ‏4‑5-پساب خروجی از معدن، کدر و شامل ذرات آویزون آهن

60

شکل ‏4‑6-رسوبات بی شکل پوشاننده پساب و رسوبات آهن در حواشی اون

60

شکل ‏4‑7-روند تغییرات غلظت(ppm)آلاینده های فلزی از بالادست به پایین دست روخانه شور

62

شکل ‏4‑8 -توابع عضویت به دست اومده به وسیله مدل MANFIS-GP

68

شکل ‏4‑9-توابع عضویت به دست اومده به وسیله مدل MANFIS-SCM

69

شکل ‏4‑10-توابع عضویت به دست اومده به وسیله مدل MANFIS-FCM

70

شکل ‏4‑11-اتحاد بین مقادیر اندازه گیری شده و پیش بینی شده مس به وسیله مدل  MANFIS-SCM الف) مجموعه داده های آموزشی، ب) مجموعه داده آزمون

72

شکل ‏4‑12-اتحاد بین مقادیر اندازه گیری شده و پیش بینی شده آهن به وسیله مدل  MANFIS-SCM الف) مجموعه داده های آموزشی، ب) مجموعه داده آزمون

73

شکل ‏4‑13-اتحاد بین مقادیر اندازه گیری شده و پیش بینی شده منگنز به وسیله مدل  MANFIS-SCM الف) مجموعه داده های آموزشی، ب) مجموعه داده آزمون

75

شکل ‏4‑14-اتحاد بین مقادیر اندازه گیری شده و پیش بینی شده روی به وسیله مدل  MANFIS-SCM الف) مجموعه داده های آموزشی، ب) مجموعه داده آزمون

75

شکل ‏4‑15-مقایسه بین اندازه گیری و پیش بینی شده Cu با استفاده از مدل MANFIS-SCM واسه مجموعه داده های آزمون

76

شکل ‏4‑16-مقایسه بین اندازه گیری و پیش بینی شده Fe با استفاده از مدل MANFIS-SCM واسه مجموعه داده های آزمون

76

شکل ‏4‑17-مقایسه بین اندازه گیری و پیش بینی شده Mn با استفاده از مدل MANFIS-SCM واسه مجموعه داده های آزمون

77

شکل ‏4‑18-مقایسه بین اندازه گیری و پیش بینی شده Zn با استفاده از مدل MANFIS-SCM واسه مجموعه داده های آزمون

77

شکل 4‑19 -اتحاد بین غلظت فلزات سنگین اندازه گیری شده و پیشبینی شده با استفاده از MLR واسه داده های آزمون و آموزش

85

 

صفحه
عنوان

فهرست جداول

 

 

جدول ‏3‑1-ماکزیمم و مینیمم پارامترهای فیزیکی و شیمیایی غلظت فلزات سنگین رودخانه شور 53

جدول ‏3‑2-محل و موقعیت جغرافیایی ایستگاه های نمونه ورداری آب

53

جدول ‏4‑1-ماکزیمم و مینیمم پارامترهای فیزیکی و شیمیایی غلظت فلزات سنگین رودخانه شور و استاندارد آب(همه نمونه ها بر حسبppm) 61

جدول ‏4‑2-ماتریس اتحاد بین غلظت فلزات سنگین و متغییرهای جداگونه

65

جدول ‏4‑3-خصوصیات مدل های MANFIS
67

جدول ‏4‑4-مقایسه بین یافته های حاصل از سه مدل واسه مجموعه داده های آزمون

71

جدول ‏4‑5-مشخصات آماری از مدل رگرسیون چندگانه
81

جدول4-6-مقایسه یافته های بدست اومده از روش MANFIS-SCMو MLR

86

 

فهرست علائم و نشونه ها

 

 

اختصار                             برابر فارسی                                     برابر انگلیسی

ANN شبکه عصبی مصنوعی Artificial Neural Network
AMD پساب اسیدی معدن Acid Mine Drainage
MNN شبکه عصبی مصنوعی مدولار Modular Neural Network
BP شبکه عصبی مصنوعی پس پخش Back-propagation
MLR رگرسیون خطی چندگانه Multiple linear regression
TDS کل جامد محلول Total dissolved solids
RMS ریشه میانگین مربع خطا Root Mean Square Error
DO غلظت اکسیژن محلول Dissolved oxygen
COD باقی مونده اکسیژن شیمیایی Chemical oxygen demand
BPNN شبکه عصبی مصنوعی پس پخش Back Propagation Neural Network
GRNN شبکه عصبی مصنوعی رگرسیون عمومی General Regression Neural Network
ANFIS سیستم استنتاج عصبی-فازی برابری Adaptive neuro-fuzzy inference system
FL منطق فازی Fuzzy logic
MF پیرو عضویت Membersip Function
TSK

 

سیستم فازی تاکاگی-سوگنو-کانگ Takagi Sugeno Kang FIS
FIS سیستم استنتاج فازی Fuzzy Inference System
LSM روش کمه کم مربعات Least square method
MANFIS سیستم استنتاج عصبی-فازی برابری چندخروجی Multi-outputs Adaptive Neuro-fuzzy System
VAF محاسبه واریانس بین دو چیز Variance Account For
GP پارتیشن بندی شبکه Grid Partitioning
SCM روش خوشه بندی کاهشی Subtractive clustering method
FCM روش فازی میانگین-c Fuzzy C-means method

فصل اول

کلیات

 

1-1-مقدمه

در سال های گذشته پیشرفت روزافزون فعالیت های كشاورزی و صنعتی و افزایش قابل توجه حجم فاضلاب های شهری موجب آلودگی منابع آب، خصوصا رودخانه ها گشته
ورود پساب های صنعتی باعث افزایش دما، مواد آلی و معدنی، و تركیبات خطرناك فلزات سنگین در آب شده و این جدا از اینکه آلودگی محیط زیست آبزیان، باعث برهم خوردن تعادل تركیبات موجود در آب هم می شه
با در نظر گرفتن مشكلات كمی و كیفی منابع آب كشور و واقع شدن ایران در منطقه خشك و نیمه خشك و رویارویی با بحران های كم آبی، تهیه برنامه های مدیریت كیفی واسه كلیه منابع آبی، راهكاری لازم و غیر قابل دوری در جهت حفاظت و بهره ورداری پایدار از منابع آبیه

با ظهور فناوری نوین اطلاعات و استفاده از رایانه، شاهد تحولی عجیب در همه علوم هستیم
واقعا رایانه به همراه بقیه فناوری های پیشرفته، راه رو واسه ظهور روش های هوشمند جفت و جور كردهه
از آنجایی كه فرآیندها و پدیده های موجود در مهندسی به متغیرهای بسیاری وابسته هستن و بین اجزاء هم روابط پیچیده ای حاكمه، بنابر این روش های هوشمند به عنوان یك وسیله بسیار قوی در مثل سازی موضوعات جور واجور علوم مهندسی مثل مهندسی معدن می تونن کارساز باشن
با استفاده از این روش ها، داده های مربوطه رو به شبكه آموزش داده و بعد این روش ها كار پیش بینی و مثل سازی رو با دقت مطلوب انجام میدن[[i]]

در سال های گذشته، در کارای معدنی و علوم زمین شناسی، به دلیل وجود ابهامات زیاد كوشش زیادی در استفاده از هوش مصنوعی شده
مثلا؛ بررسی های ژئوشیمیایی به همراه عیار و تناژ اون­ها با استفاده از شبکه های عصبی مصنوعی، طبقه­بندی مواد ارگانیکی رسوبی، عددی کردن داده های ژئوشیمیایی در سنگ های آتشفشانی و طبقه بندی اون­ها با استفاده از شبکه های عصبی مصنوعی[1]، تعیین ویژگی های آکیفر با استفاده از شبکه های عصبی مصنوعی، تعیین ویژگی های مواد ناخالص در معدن سنگ آهک با استفاده از شبکه های عصبی پسخور[2]، استفاده از شبکه عصبی مصنوعی واسه یافتن موقعیت نهشته ها، حدس عیار و ذخیره و مقایسه یافته های حاصله از کریجینگ و شبکه عصبی مصنوعی و منطق فازی، کارای پیش بینی در معدن اشاره نمود

به طور كلی مدل سازی یكی از وسایل مناسب واسه تصمیم گیری و پیش بینی پدیده های محیط زیستی می باشه كه بیشتر به شکل مدل های مفهومی با روابط ریاضی بیان می شن
فرآیندها و پدیده هایی كه در سیستم های محیط زیستی هست و مهندسین محیط زیست با اون در رابطه هستن، بیشتر دو ویژگی کلی دارن: 1- وابسته به متغیرهای زیاد هستن، 2-روابط بسیار پیچیده ای بین اجزا هست كه بررسی اون رو بسیار مشكل می کنه
این مشكل همیشه باعث خطا در دقت و صحت پیش بینی مدل های رایج می شه
هوش مصنوعی مثل روش های پیشرفته و نوین در مثل سازی می باشه كه این روزا در تموم علوم مهندسی به عنوان یك وسیله قوی در مثل سازی پدیده هایی كه بررسی مفهومی اون ها با مشكل روبرو شدن، كاربرد بسیاری پیدا كردهه؛ در این روش داده های مشاهده ای به مدل آموزش داده می شه و پس از آموزش مدل با دقت مناسب كار پیش بینی و مثل سازی رو انجام می بده

1-2-تعریف مسأله

پساب­های معدنی که در اثر فعالیت­های معدن کاری سولفیدی و زغال سنگ بوجود می­آید مثل آلاینده­های زیست محیطی جبران ناپذیر می­باشه
این وسط پساب­های اسیدی به دلیل کم شدن میزان pH محیط باعث انحلال بیشتر فلزات سنگین شده و با انتقال آب به درون آب­های سطحی و زیرزمینی دور و بر معادن، باعث آلودگی اون­ها می­شه[[ii]، [iii] و [iv]]
آلودگی زیست محیطی به این شکل در دراز مدت پس از تعطیلی معدن هم موثر می­باشه
یکى از مواد مزاحم و مشکل­ساز در امر بازسازی معادن سولفیدی، پیریت موجود در باطله­های فلزی و اتفاقا غیرفلزی مى باشه که در اثر اکسیداسیون و وجود رطوبت و آب کافى تولید اسید سولفوریک کرده و محیط دمپ رو اسیدی مى­کنه[[v] و[vi]]

1-2-1-پساب اسیدی معدنی

فعالیت­های استخراجی معادن مهم ترین عامل آلودگی آب­های زیرزمینی و سطحی به حساب می­روند
درآورده معادن باعث کاهش کیفیت آب شده و خیلی از مشکلات زیست­محیطی رو باعث می­گردند[[vii]]
از مشکلات مربوط به عملیات معدنی، پساب­های اسیدی معدن[3] اهمیت اساسی داشته و اگر این پساب­های اسیدی که شامل غلظت­های بالای آهن، سولفات و اسیدیته می­باشن به داخل منابع آب­های سطحی و زیرزمینی راه پیدا کنن باعث آلودگی این آب­ها می­شن[[viii] و [ix]]

اکسید شدن کانی­های سولفیدی و تولید اسید سولفوریک به عنوان یه اثر منفی و بد عملیات معدنی شناخته شده[[x]]
اسید تولید شده شامل کانی­های محلول[4]و فلزات جور واجور به منابع آب­های سطحی و زیرزمینی راه یافته و جدا از اینکه آلودگی اون­ها موجب آلودگی خاک­ها هم می­شه[[xi] و [xii]]

با اینکه پروسه اکسید شدن پیریت و بقیه کانی­های سولفید فلزی پیشه هوا غیر قابل اجتنابه؛ اما مطالعه کانه­ها و کانی­های باطله، جنبه­های هیدرولوژیکی، و طرح معدن کاری[5]می­تونه در طراحی یک عملیات معدنی که کمترین اثرات زیست­محیطی رو به همراه داشته باشه کمک موثری کنه[[xiii] و [xiv]]

اثرات زیست­محیطی تخریب کننده که از پساب­های اسیدی معدن نتیجه می­شن، به دلیل مدیریت ضعیف در طول طراحی، پیشرفت، عملیات و بسته شدن کارای معدنی و هم اینکه به دلیل فهم ناصحیح از پساب­های اسیدی معدن در گذشته می­باشه[14]

[1] Artificial Neural Network(ANN)

[2]  Feed forward

[3] Acid Mine Drainage(AMD)

[4] Dissolved minerals

[5] Mine plan

[i] Molson J
W
, Fala O
, Aubertin M
, Bussière B
  “Numerical simulations of pyrite oxidation and acid mine drainage in unsaturated waste rock piles,”  Journal of Contaminant Hydrology
78:343-371
2005

 

[ii] BLOWES D
W
, PTACEK J
, JAMBOR J
L
, WEISENER C
G
, In: HOLLAND H
D
“The geochemistry of acid mine drainage,” Treatise on Geochemistry
Amsterdan vol
9, :149-204
2003

 

[iii] Price W
A
“Prediction manual for drainage chemistry from sulphidic geologic materials
Mining and Mineral Sciences Laboratories
Smithers,”  British Columbia V0J 2N0:576
2009

 

[iv] Lottermoser B
G
“Recycling, Reuse and Rehabilitation of Mine Wastes,” the Mineralogical Society of America
2011

 

[v] Amezaga J
, Rotting T
S
, Younger P
L
, Nairn R
W
Noles A
J
, Oyarzun R
, Quintanilla J
, A rich vein” Mining and the pursuit of sustainable development,”
Environ
Sci
Technol, vol 45, 21-26
2011

 

[vi] Mayes W
M
, Johnston D
, Potter H
A
B
, Jarvis A
P
, “A national strategy for identification, prioritisation and management of pollution from abandoned noncoal mine sites in England and Wales,” Methodology development and initial results
Sci
Total Environ
,vol 407, 5435-5447, 2009

 

[vii]  Trois C
, Marcello A
, Pretti S
, Trois P
, Ross G
I
, “The environmental risk posed by small dumps of complex arsenic, antimony, nickel and cobalt sulphides,”
J
Geochem
, vol 92, 83–95
2007

 

[viii] Legge 319 (Merli) del 10
05 ” pubblicata nella Gazzetta Ufficiale,” N
141 del 29
05
1976

 

[ix] Emenda mento della Legge 319 (Merli) del 10
05
pubblicata nella Gazzetta Ufficiale N
141 del 29
05
, Regione Autonoma della Sardegna
, 1983

 

[x] Doulati Ardejani F, Jodeiri Shokri B, Bagheri M, Soleimani E
” Investigation of pyrite oxidation and acid mine drainage characterization associated with Razi active coal mine and coal washing waste dumps in the Azad shahr–Ramian region, northeast Iran,”
Environ Earth Sci;vol 61:1547–60
2010

 

[xi] Romero A
, Gonzalez I
, Galan E
, Estimation of potential pollution of waste mining dumps at Pena del Hierro (Pyrite Belt, SW Spain) as a base for future mitigation actions
Appl
Geochem
, vol 21, 1093–1108
2006

 

[xii] Walder I
F
, Schuster P
P
, “Mine Waste Management in Proceedings of Environmental Geochemistry of ore deposits and mining activities,”  Presented by SARB Consulting in Oslo, Norway, May 1997

 

[xiii]  Plante B
, Bussière B
, Benzaazoua M
“Lab to field scale effects on contaminated neutral drainage prediction from the Tio mine waste rocks,” Journal of Geochemical Exploration 137:37-47
2013

 

[xiv] دولتی اردجانی، ف
،تنکابنی، ض
، میرحبیبی، ع
، بدیعی، خ
“بیوتکنولوژی زیست محیطی ومدیریت پساب ها،” انتشارات پژوهشکده صنایع رنگ ایران، سال 1384

تعداد صفحه :128

قیمت : 14700 تومن

com/?checkout=3113″ method=”post” name=”frm_jahanpay3113″>

بی معطلی پس از پرداخت لینک دانلود فایل در اختیار شما قرار میگیره

و در جدا از اینکه فایل خریداری شده به ایمیل شما ارسال می شه

پشتیبانی سایت :        ****       [email protected]
com

در صورتی که مشکلی با پرداخت آنلاین دارین می تونین مبلغ مورد نظر واسه هر فایل رو کارت به کارت کرده و فایل درخواستی و اطلاعات واریز رو به ایمیل ما ارسال کنین تا فایل رو از راه ایمیل دریافت کنین

***  *** ***

متن کامل در سایت sabzfile.com