Xây dựng mô hình trí tuệ nhân tạo dự báo phát tán phóng xạ tại Mỏ đồng Sin Quyền
DEVELOPMENT OF RADON DISPERSON PREDICTION MODEL BASED ON ARTIFICIAL NEURAL NETWORK FOR SIN QUYEN COPPER MINE OIL COOLER
Radon is one of the most toxic natural radionuclides which occupy more thant 50% of natural radiation expose. The Sinquyen is a natural radioactive bearing mine in the North of Vietnam. The uranium is the dominate radionuclide in this mine, which is the source emit radon to surrounding when the mine is exploited. The machine learning have been applied in radon prediction still rare and limitation. The assessment as well as understanding the radon dispersion released from this mine are important targets for radiation hazard assessment. In this paper, we designed a simple one-hidden layer artificial neural network (ANN) that requires low computation cost to train and reference. Our comparison results suggested that the proposed model outperformed other benchmark methods such as two-hidden-layer ANN, Random Forest (RF), and Support Vector Machine (SVM). The results also revealed that distance and coordinates factors had a greater effect on the prediction of Radon prediction.
Keywords: mining, disperson, radon, uranium, ANN
2. G. Cybenko, "Approximation by superpositions of a sigmoidal function," Math. Control. signals Syst., vol. 2, no. 4, pp. 303–314, 1989.
3. Grant C, Lalor G, Balcázar M (2012) Radon monitoring in sites ofeconomical importance in Jamaica. Appl Radiat Isot 71:96–10
4. Hadad K, Doulatdar R, Mehdizadeh S (2007) Indoor radon moni-toring in Northern Iran using passive and active measurements.J Environ Radioact 95:39–52.
5. Heidary S, Setayeshi S, Ghannadi-Maragheh M, Negarestani A(2011) Monitoring and measurement of radon activity in a newdesign of radon calibration chamber. Radiat Meas 46:694–700.
6. J. J. Moré, "The Levenberg-Marquardt algorithm: implementation and theory," in Numerical analysis, Springer, 1978, pp. 105–116.
7. Ramola R, Negi M, Choubey V (2005) Radon and thoron moni-toring in the environment of Kumaun Himalayas: survey and out-comes. J Environ Radioact 79:85–92
8. R. Hecht-Nielsen, "Kolmogorov’s mapping neural network existence theorem,” in Proceedings of the international conference on Neural Networks, 1987, vol. 3, pp. 11–14.
9. K. E. Taylor, “Summarizing multiple aspects of model performance in a single diagram,” J. Geophys. Res. Atmos., 2001.
11. G. Hooker and L. Mentch, “Please stop permuting features an explanation and alternatives,” arXiv. 2019.
12. Wu HX, Wei QL, Yang B, Liu QC (2014) Fast prediction methodof radon concentration in environment air. Appl Mech Mater539:819–822.
13. Xie D, Wang H, Kearfott KJ (2012) Modeling and experimentalvalidation of the dispersion of 222Rn released from a uraniummine ventilation shaft. Atmos Environ 60:453–459.
Ý kiến bạn đọc
Tin xem nhiều
-
Trường Đại học Công nghiệp Quảng Ninh long trọng tổ chức Lễ công bố Quyết định thành lập Tạp chí điện tử Khoa học và Công nghệ
- Cán bộ, đảng viên với việc tu dưỡng đạo đức cách mạng trong điều kiện kinh tế thị trường định hướng xã hội chủ nghĩa ở Vệt Nam hiện nay
- Lồng ghép giáo dục kỹ năng sống cho học sinh THPT thông qua các chủ đề hóa học
- Nghiên cứu lỗi của động cơ không đồng bộ roto lồng sóc 3 pha1,5kw 4 cực trong trường hợp sự cố thanh dẫn roto
- Áp dụng mô hình “Blended learning” trong giảng dạy tiếng Anh cho sinh viên Trường Đại học Công nghiệp Quảng Ninh
- Giải pháp nâng cao hiệu quả công tác quản lý giáo dục sinh viên năm thứ nhất tại Trường Đại học Công nghiệp Quảng Ninh
- Xây dựng định mức năng suất và tiêu hao vật tư cho thiết bị khai thác và tuyển quặng tại tổ hợp dự án bô-xit Tân Rai và Nhân Cơ - TKV
- Phân tích và thiết kế bộ điều khiển hệ thống phân loại sản phẩm ứng dụng Logic mờ
- Nghiên cứu giảng dạy vật lí đại cương có hướng dẫn theo module: Phát triển năng lực tự học cho sinh viên
- Nghiên cứu mô hình Blended learning trong dạy học toán cao cấp tại Trường Đại học Công nghiệp Quảng Ninh
