مقاله کاربرد روش طیفسنجی مرئی و فرو سرخ نزدیک در تشخیص آلودگی خاک به کادمیوم و سرب با مدل سازی رگرسیونی و شبکه عصبی مصنوعی
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله کاربرد روش طیفسنجی مرئی و فرو سرخ نزدیک در تشخیص آلودگی خاک به کادمیوم و سرب با مدل سازی رگرسیونی و شبکه عصبی مصنوعی دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله کاربرد روش طیفسنجی مرئی و فرو سرخ نزدیک در تشخیص آلودگی خاک به کادمیوم و سرب با مدل سازی رگرسیونی و شبکه عصبی مصنوعی کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله کاربرد روش طیفسنجی مرئی و فرو سرخ نزدیک در تشخیص آلودگی خاک به کادمیوم و سرب با مدل سازی رگرسیونی و شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله کاربرد روش طیفسنجی مرئی و فرو سرخ نزدیک در تشخیص آلودگی خاک به کادمیوم و سرب با مدل سازی رگرسیونی و شبکه عصبی مصنوعی :
تعداد صفحات : -۶
آلودگی خاک به عناصر سنگین میتواند بهطور مستقیم و غیرمستقیم بر سلامتی موجودات زنده اثر بگذارد. با افزایش غلظت فلزات در خاک، احتمال ورود به گیاهان نیز افزایش مییابد. در نتیجه تجمع آنها در محصولات کشاورزی سلامتی انسان را به مخاطره خواهد انداخت. هدف از این مطالعه، تعیین توزیع کادمیوم و سرب در خاک سطحی شهرستان بهار در استان همدان و ارزیابی وضعیت آلودگی این فلزات در خاک مزارع کشت سیبزمینی میباشد. بدین منظور با استفاده از روش نمونهبرداری سیستماتیک، نمونههای خاک در عمق cm45-0 برداشت گردید. از یک روش سریع و دقیق دادهبرداری بر پایه طیفسنجی مرئی و فروسرخ نزدیک (VIS-NIR) در محدوده طیف ۳۷۰ -۲۰۰۰ نانومتر استفاده شد. طیف بازتابی تعداد ۹۵ نمونه خاک برای تخمین تجمع کادمیوم و سرب جمع آوری گردید. برای کاهش عوامل متداخل از طیف نمونههای خاک، روشهای پیشپردازش MSC ،SNV و مشتق بکار رفت. نتایج نشان داد آلودگیها که گاهی به علت ترکیب آب آبیاری با فاضلاب شهری صورت میگیرد، در خاک سطحی تجمع دارند. پیش بینی فلزات سنگین با روش رگرسیون حداقل مربعات جزئی و شبکه عصبی مصنوعی انجام شد (R2PLSR=0/90, R2BPNN=0/95). نتایج نشان میدهد شبکه عصبی بازگشتی و طیفسنجی VIS-NIR برای پیشبینی میزان کادمیوم و سرب موجود در خاک سطحی مناسب میباشند.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.