مهدی فرنقی؛ علی منصوریان
چکیده
دادههای مکانی دقیق و بهنگام نقش بنیادین در برنامه‌ریزی و مدیریت بحران ایفا می‌نمایند. با این وجود در حال حاضر دسترسی به دادههای مکانی و استفاده سریع و آسان از آنها در تصمیم‌گیری‌ها با مشکلات بسیاری روبه‌رو است. ترکیب خودکار سرویس‌های مکانی می‌تواند به عنوان یک راه‌کار جامع برای بهبود روال تصمیم‌سازی و تصمیم‌گیری در مدیریت ...
بیشتر
دادههای مکانی دقیق و بهنگام نقش بنیادین در برنامه‌ریزی و مدیریت بحران ایفا می‌نمایند. با این وجود در حال حاضر دسترسی به دادههای مکانی و استفاده سریع و آسان از آنها در تصمیم‌گیری‌ها با مشکلات بسیاری روبه‌رو است. ترکیب خودکار سرویس‌های مکانی می‌تواند به عنوان یک راه‌کار جامع برای بهبود روال تصمیم‌سازی و تصمیم‌گیری در مدیریت بحران مطرح شود. این نوشتار بر آن است تا با ارایه راهحلی اجرایی به منظور فراهم آوردن امکان انجام پردازشهای پیچیده مکانی با استفاده از ترکیب خودکار سرویس‌های مکانی فرایند برنامه‌ریزی مدیریت بحران را بهبود بخشد. بر این اساس سرویس‌های مکانی، که توسط سازمانهای مختلف توسعه دادهشده، به صورت نحوی و معنایی تشریح شده و در بستر زیرساخت ملی داده مکانی پیادهسازی میشوند. این سرویسها در ادامه متناسب با نیاز کاربران با استفاده از الگوریتمهای برنامه‌ریزی هوش مصنوعی با یکدیگر ترکیب شده و پردازشهای مورد نیاز را اجرا میکنند. روش ارایه شده با استفاده از یک مورد اجرایی در زمینه ایجاد نقشه پهنه‌بندی خطر زمین‌لغزش راستآزمایی شده است.
نرگس بابازاده؛ علی منصوریان؛ مژگان زارعی نژاد؛ مهدی فرنقی
چکیده
فرایند صدور مجوزهای صنعتی و معدنی، به شکل کنونی، پیچیده و زمان‌بر است. بویژه این که ایجاد صنایع، بیشتر با آلودگیهای زیستمحیطی همراه هستند و به‌دلیل استفاده نکردن از سازوکارها و اطلاعات مناسب، ملاحظات زیستمحیطی به‌طور مناسب و شایسته رعایت نمیشوند. این پژوهش، روش جدیدی را مبتنی بر سامانه‌های اطلاعات مکانی تحت وب در قالب ...
بیشتر
فرایند صدور مجوزهای صنعتی و معدنی، به شکل کنونی، پیچیده و زمان‌بر است. بویژه این که ایجاد صنایع، بیشتر با آلودگیهای زیستمحیطی همراه هستند و به‌دلیل استفاده نکردن از سازوکارها و اطلاعات مناسب، ملاحظات زیستمحیطی به‌طور مناسب و شایسته رعایت نمیشوند. این پژوهش، روش جدیدی را مبتنی بر سامانه‌های اطلاعات مکانی تحت وب در قالب دولت الکترونیک برای آسان کردن فرایند صدور مجوزهای صنعتی و معدنی با تأکید بر رعایت مسائل زیست محیطی ارائه میکند. برای این منظور، صدور مجوز کارخانه سیمان به‌عنوان نمونه مطالعاتی انتخاب و در ابتدا فرایند فعلی صدور مجوز کارخانه سیمان بررسی شد که نشان‌دهنده لزوم طی کردن فرایندهای پیچیده اداری و صرف زمان بسیار طولانی (گاه تا دو سال) است؛ افزون براین مسایل زیستمحیطی به خوبی رعایت نمیشوند. سپس با بهرهگیری از مفاهیم و اهداف دولت الکترونیک و قابلیت‌های سامانه‌های اطلاعات مکانی در انجام تحلیل‌ها و تصمیمگیری‌های مکانی، روشی جدید برای صدور مجوزهای صنعتی پیشنهاد شد. برای نمایش و ارزیابی روش پیشنهادی، یک سامانه اطلاعات مکانی توزیع‌شده تحت وب طراحی و پیادهسازی شد. نتایج این پژوهش، گویای آن است که فرایند صدور مجوز کارخانه سیمان با روش پیشنهادی در زمانی بسیار کمتر و با رعایت ملاحظات زیستمحیطی قابل انجام است. روش پیشنهادی می‌تواند به‌عنوان الگویی برای پیادهسازی دولت الکترونیک مکان محور در فعالیت‌های صنعتی و معدنی کشور مورد توجه قرار گیرد.
متین فروتن؛ علی منصوریان؛ مژگان زارعی نژاد؛ محمودرضا صاحبی
چکیده
حفاری در اکتشاف معادن، فرایندی پرهزینه و زمان‌بر و با مشکلات بسیاری همراه است. از این رو تعیین نقاط حفاری در مطالعات تفصیلی اکتشاف ذخایر معدنی اهمیت ویژهای دارد است.تعیین نقاط بهینه حفاری بهمنظور کاهش هزینه و ریسک فرایند حفاری از راه در نظر گرفتن کلیه شرایط پیچیده حاکم بر شکلگیری ذخایر معدنی و تلفیق عاملهای مؤثر بر کانیسازی ...
بیشتر
حفاری در اکتشاف معادن، فرایندی پرهزینه و زمان‌بر و با مشکلات بسیاری همراه است. از این رو تعیین نقاط حفاری در مطالعات تفصیلی اکتشاف ذخایر معدنی اهمیت ویژهای دارد است.تعیین نقاط بهینه حفاری بهمنظور کاهش هزینه و ریسک فرایند حفاری از راه در نظر گرفتن کلیه شرایط پیچیده حاکم بر شکلگیری ذخایر معدنی و تلفیق عاملهای مؤثر بر کانیسازی انجام میشود.با توجه به اینکه روشهای متداول تلفیق عاملهای کانیسازی مانند روشهای همپوشانی و همپوشانی شاخص، بر دانش کارشناسی و دادههای موجود استوار است، دقت این روشها با افزایش حجم اطلاعات پردازش شده و وجود نوفه (Noise) در دادهها به نحو قابل توجهی کاهش مییابد. بنابراین برای حل مشکلات موجود، به ابزارهای قوی در پردازش حجم عظیم اطلاعات و با انعطافپذیری زیاد نیاز است. شبکههای عصبی با ساختار موازی و انعطافپذیر، توانایی بالایی در مدیریت حجم عظیم اطلاعات و استخراج الگوها از میان دادههای نوفهدار دارند. از آنجا که این شبکهها برحسب نوع توابع عملکرد ساختارهای بسیار متنوعی دارند، لازم است کارآیی هریک از این ساختارها در تعیین نقاط بهینه حفاری بررسی شود. بنابراین، در این مقاله به بررسی کارآیی چهار نوع شبکه عصبی با ساختار متفاوت شامل MLP، RBF، GRNN و PNN در تعیین نقاطحفاری ذخایر معدنی مس پورفیری در منطقه چاه فیروزه استان کرمان با بهرهگیری از روش cross correlation پرداخته شده است. به همین منظور پس از شناسایی عاملهای کانیسازی و جمعآوری دادههای مورد نیاز، نقشههای عامل در محیط GIS تهیه و بردارهای آموزشی شبکهعصبی استخراج شد و شبکههای عصبی یاد شده توسط دادههای آموزشی، آموزش داده و به وسیله نقاط آزمون و بر اساس معیار درجه مطلوبیت گمانههای اکتشافی، ارزیابی شدند. نتایج پیادهسازی این چهار نوع شبکه عصبی، نشان میدهد که در میان چهار ساختار مختلف شبکه عصبی، شبکههای GRNN و RBF از کارآیی بهتر با دقتی در حدود 80 تا 83 درصد برای مدل‌سازی مکان‌یابی نقاط بهینه حفاری دارند. با استفاده از شبکه GRNN نقشه میزان مطلوبیت برای حفاری چاههای اکتشافی تولید شده است.
