شبیه سازی عناصر نادر خاکی سریوم و لانتانیوم موجود در رسوبات آبراهه ای منطقه اشتهارد با استفاده از روش شبکه عصبی

روش شبکه ی عصبی مصنوعی که یک روش پیشرفته است که در برآورد سیستم های دینامیک و غیرخطی موثر است. اخیرا استفاده از شبکه های عصبی مصنوعی و روش های آماری چند متغیره در موضوعات مهم زیست محیطی مانند آلودگی خاک ها و آب های سطحی به انواع مختلف عنصر سمی رواج یافته است که در این مورد می توان به ارائه ی مدلی بر اساس شبکه ی عصبی برای شبیه سازی عناصر نادر خاکی پرداخت. با توجه به اهمیت عناصر نادر خاکی مخصوصا سریوم و لانتانیوم، این مطالعه با استفاده از روش شبکه عصبی به پیش بینی میزان این عناصر در منطقه ی اشتهارد می پردازد. روش انتخاب پیشرو Forward Selection)) به منظور انتخاب متغیرهای ورودی موثر بر روی پیش بینی مقادیر عناصر لانتانیوم و سریوم و کاهش تعداد کل متغیرها استفاده شد. از تعداد 45 متغیر ورودی اولیه برای هر کدام از عناصر لانتانیوم و سریوم، 23 متغیر موثر بر روی پیش بینی مقادیر این عناصر توسط روش انتخاب پیشرو انتخاب شدند. با توجه به مقادیر ضریب همبستگی (R2)، هر دو مدل (شبکه عصبی و انتخاب پیشرو) برای پیش بینی مقادیر لانتانیوم و سریوم در منطقه مناسب هستند. اما روش انتخاب پیشرو مناسب تر است، زیرا مقادیر ضریب همبستگی روش انتخاب پیشرو برای پیش بینی لانتانیوم و سریوم بالاتر از روش شبکه عصبی است. هم چنین در این مطالعه نشان داده شده است که مدل انتخاب پیشرو در پیش بینی مقادیر لانتانیوم و سریوم به دلیل کاهش زمان محاسبات در نتیجه ی تعداد متغیرهای ورودی کمتر مناسب تر است.