عنوان

 
فهرست
 
فهرست مطالب…………………………………………………………………………………………………………………………………………………ح
فهرست شکل‌ها………………………………………………………………………………………………………………………………………………..ی
فهرست جدول‌ها……………………………………………………………………………………………………………………………………………….م
فهرست علایم و نشانه‌ها………………………………………………………………………………………………………………………………….ن
 
 

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- منشاء پساب‌های اسیدی معدن.. 4
1-2-3- واکنش‌های اکسیداسیون و تولید اسید.. 6
1-2-4- عوامل موثر بر نرخ اکسید شدن پیریت… 8
1-2-5- اثرات زیست ‌محیطی پساب‌های اسیدی معدن.. 8
1-3-مروری بر پیشینه مطالعات 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 تطبیقی… 21
2-1-مقدمه. 22
2-2-منطق فازی… 23
2-2-1-تئوری فازی از دیدگاه ریاضی… 23
2-2-2-سیستم استنتاجی فازی… 23
2-2-3-سیستم استنتاجی فازی خالص….. 25
2-2-4-سیستم استنتاج فازی ممدانی… 25
2-2-5-سیستم استنتاج فازی تاکاگی-سوگونو و کانگ…. 26
2-3-شبکه‌های عصبی مصنوعی… 28
2-3-1-آموزش شبکه عصبی مصنوعی… 30
2-4-سیستم استنتاج عصبی-فازی تطبیقی… 30
2-4-1 -ساختار ریاضی انفیس….. 31
2-5-سیستم استنتاجی عصبی-فازی تطبیقی چند خروجی… 35
2-5-1-عملیات آموزش سیستم استنتاج عصبی-فازی تطبیقی 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-مطالعات انجام شده بر روی سد باطله معدن مس سرچشمه. 45
3-5-1- احداث سد باطله. 46
3-5-2-هیدرولوژی منطقه. 47
3-6-باطله‌های معدن مس سرچشمه. 48
3-6-1-مقدمه. 48
3-6-2-سایت معدنی سرچشمه. 50
3-6-3- نمونه برداری و روش‌های صحرایی… 51
3-7-جمع‌بندی… 54
فصل چهارم. 55
مدلسازی و آنالیز نتایج.. 55
4-1-مقدمه. 56
4-2- پیش‌بینی فلزات سنگین در پساب اسیدی معدن با بهره گرفتن از مدل  سیستم استنتاج عصبی-فازی تطبیقی چند متغیره. 64
4-2-1-معیارهای ارزیابی عملکرد مدل.. 66
4-3-نتایج حاصل از سیستم استنتاج عصبی-فازی تطبیقی چندخروجی… 66
4-4-رگرسیون خطی… 78
4-4-1-رگرسیون خطی چندگانه. 79
4-5-نتایج حاصل از رگرسیون خطی چندگانه. 80
فصل پنجم.. 87
5-1-نتیجه گیری کلی… 88
5-2-پیشنهادات… 91
منابع.. 92
 

فهرست اشکال
 
 
شکل ‏1‑1 -اکسید شدن پیریت و تولید اسید در یک معدن زغال‌سنگ………………………………………………………..6
شکل ‏1‑2-میکروگراف الکترونی از باکتری تیوباسیلوس فرواکسیدان…………………………………………………………….7
شکل ‏1‑3-آلودگی آب‌های سطحی درغرب ویرجینیا…………………………………………………………………………………….9
شکل ‏1‑4-مرگ ماهیان بر اثر تخلیۀ پساب اسیدی معدن حاصل از معادن رومانی در رودخانۀ دانوب……….9
شکل ‏1‑5-آلودگی آب‌های سطحی توسط 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 یک 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 تطبیقی 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 نمونه‌برداری رودخانه شور…………………………………………………………………………………………………..51
شکل ‏3‑5-محل‌های نمونه برداری و موقعیت معدن مس سرچشمه……………………………………………………………53
شکل ‏4‑1-رسوب سولفات مس و آهن مس سرچشمه…………………………………………………………………………………57
شکل ‏4‑2-رسوب کانی‌های 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 حاوی ذرات معلق آهن………………………………………………………………60
شکل ‏4‑6-رسوبات بی‌شکل پوشاننده پساب و رسوبات آهن در حواشی آن…………………………………………………60
شکل ‏4‑7-روند تغییرات غلظت(ppm)آلاینده‌های فلزی از بالادست به پایین دست روخانه شور……………….62
شکل ‏4‑8 -توابع عضویت به دست آمده توسط مدل MANFIS-GP………………………………………………………..68
شکل ‏4‑9-توابع عضویت به دست آمده توسط مدل MANFIS-SCM………………………………………………………69
شکل ‏4‑10-توابع عضویت به دست آمده توسط مدل MANFIS-FCM……………………………………………………70
شکل ‏4‑11-همبستگی بین مقادیر اندازه گیری شده و پیش‌بینی شده مس توسط مدل  MANFIS-SCM الف) مجموعه داده‌های آموزشی، ب) مجموعه داده آزمون……………………………………………………………………………72
شکل ‏4‑12-همبستگی بین مقادیر اندازه گیری شده و پیش‌بینی شده آهن توسط مدل  MANFIS-SCM الف) مجموعه داده‌های آموزشی، ب) مجموعه داده آزمون……………………………………………………………………………73
شکل ‏4‑13-همبستگی بین مقادیر اندازه گیری شده و پیش‌بینی شده منگنز توسط مدل  MANFIS-SCM الف) مجموعه داده‌های آموزشی، ب) مجموعه داده آزمون………………………………………………………………..75
شکل ‏4‑14-همبستگی بین مقادیر اندازه گیری شده و پیش‌بینی شده روی توسط مدل  MANFIS-SCM الف) مجموعه داده‌های آموزشی، ب) مجموعه داده آزمون……………………………………………………………………………75
شکل ‏4‑15-مقایسه بین اندازه گیری و پیش‌بینی شده Cu با بهره گرفتن از مدل MANFIS-SCM برای مجموعه داده‌های آزمون………………………………………………………………………………………………………………………………..76
شکل ‏4‑16-مقایسه بین اندازه گیری و پیش‌بینی شده Fe با بهره گرفتن از مدل MANFIS-SCM برای مجموعه داده‌های آزمون………………………………………………………………………………………………………………………………..76
شکل ‏4‑17-مقایسه بین اندازه گیری و پیش‌بینی شده Mn با بهره گرفتن از مدل MANFIS-SCM برای مجموعه داده‌های آزمون………………………………………………………………………………………………………………………………77
شکل ‏4‑18-مقایسه بین اندازه گیری و پیش‌بینی شده Zn با بهره گرفتن از مدل MANFIS-SCM برای مجموعه داده‌های آزمون……………………………………………………………………………………………………………………………..77
شکل 4‑19 -همبستگی بین غلظت فلزات سنگین اندازه‌گیری شده و پیشبینی شده با بهره گرفتن از MLR برای داده‌های آزمون و آموزش……………………………………………………………………………………………………………………85
 

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 ایستگاه‌های نمونه‌برداری آب… 53
جدول ‏4‑1-ماکزیمم و مینیمم پارامترهای فیزیکی و شیمیایی غلظت فلزات سنگین رودخانه شور و استاندارد آب(همه نمونه‌ها بر حسبppm) 61
جدول ‏4‑2-ماتریس همبستگی بین غلظت فلزات سنگین و متغییرهای مستقل.. 65
جدول ‏4‑3-خصوصیات مدل‌های MANFIS. 67
جدول ‏4‑4-مقایسه بین نتایج حاصل از سه مدل برای مجموعه داده‌های آزمون.. 71
جدول ‏4‑5-مشخصات آماری از مدل رگرسیون چندگانه. 81

جدول4-6-مقایسه نتایج بدست آمده از روش MANFIS-SCMو MLR……………………………………………………86

 
فهرست علائم و نشانه‌ها
 
 
اختصار                             معادل فارسی                                     معادل انگلیسی

فصل اول

کلیات

1-1-مقدمه

در سال‌های اخیر توسعه روزافزون فعالیت‌های كشاورزی و صنعتی و افزایش قابل توجه حجم فاضلاب‌های شهری موجب آلودگی منابع آب، خصوصا رودخانه‌ها گشته است. ورود پساب‌های صنعتی سبب افزایش دما، مواد آلی و معدنی، و تركیبات خطرناك فلزات سنگین در آب شده و این امر علاوه بر آلودگی محیط‌زیست آبزیان، سبب برهم خوردن تعادل تركیبات موجود در آب نیز می‌گردد. با توجه به مشكلات كمی و كیفی منابع آب كشور و واقع شدن ایران در منطقه خشك و نیمه‌خشك و رویارویی با بحران‌های كم آبی، تدوین برنامه‌های مدیریت كیفی برای كلیه منابع آبی، راهكاری ضروری و غیر قابل اجتناب در جهت حفاظت و بهره‌برداری پایدار از منابع آبی است.
با ظهور فناوری نوین اطلاعات و استفاده از رایانه، شاهد تحولی شگرف در تمامی علوم هستیم. در حقیقت رایانه به همراه سایر فناوری‌های پیشرفته، راه را برای ظهور روش‌های هوشمند فراهم كرده است. از آنجایی كه فرایندها و پدیده‌های موجود در مهندسی به متغیرهای بسیاری وابسته هستند و بین اجزاء هم روابط پیچیده‌ای حاكم است، لذا روش‌های هوشمند به عنوان یک ابزار بسیار قدرتمند در شبیه‌سازی موضوعات مختلف علوم مهندسی از جمله مهندسی معدن می‌توانند راهگشا باشند. با بهره گرفتن از این روش‌ها، داده‌های مربوطه را به شبكه آموزش داده و سپس این روش‌ها كار پیش‌بینی و شبیه‌سازی را با دقت مطلوب انجام خواهند داد[[i]].
در سال‌های اخیر، در کارهای معدنی و علوم زمین شناسی، به علت وجود ابهامات زیاد كوشش زیادی در استفاده از هوش مصنوعی شده است. به عنوان مثال؛ بررسی‌های ژئوشیمیایی به همراه عیار و تناژ آن­ها با بهره گرفتن از شبکه‌های عصبی مصنوعی، طبقه ­بندی مواد ارگانیکی رسوبی، عددی کردن داده‌های ژئوشیمیایی در سنگ‌های آتشفشانی و طبقه‌بندی آن­ها با بهره گرفتن از شبکه‌های عصبی مصنوعی[1]، تعیین ویژگی‌های آکیفر با بهره گرفتن از شبکه‌های عصبی مصنوعی، تعیین ویژگی‌های مواد ناخالص در معدن سنگ آهک با بهره گرفتن از شبکه‌های عصبی پسخور[2]، استفاده از شبکه عصبی مصنوعی برای یافتن موقعیت نهشته‌ها، تخمین عیار و ذخیره و مقایسه نتایج حاصله از کریجینگ و شبکه عصبی مصنوعی و منطق فازی، کارهای پیش بینی در معدن اشاره نمود.
به طور كلی مدل‌سازی یكی از ابزارهای مناسب برای تصمیم‌گیری و پیش‌بینی پدیده‌های محیط زیستی می‌باشد كه اغلب به صورت مدل‌های مفهومی با روابط ریاضی بیان می‌شوند. فرایندها و پدیده‌هایی كه در سیستم‌های محیط‌زیستی وجود دارد و مهندسین محیط‌زیست با آن در ارتباط هستند، اغلب دو خصوصیت عمده دارند: 1- وابسته به متغیرهای زیاد هستند، 2-روابط بسیار پیچیده‌ای بین اجزا وجود دارد كه تحلیل آن را بسیار مشكل می کند. این مشكل همواره باعث خطا در دقت و صحت پیش‌بینی مدل‌های مرسوم می‌شود. هوش مصنوعی از جمله روش‌های پیشرفته و نوین در شبیه‌سازی می‌باشد كه امروزه در تمام علوم مهندسی به عنوان یک ابزار قوی در شبیه‌سازی پدیده‌هایی كه تحلیل مفهومی آن‌ ها با مشكل مواجه است، كاربرد بسیاری پیدا كرده است؛ در این روش داده‌های مشاهده‌ای به مدل آموزش داده می‌شود و پس از آموزش مدل با دقت مناسب كار پیش‌بینی و شبیه‌سازی را انجام می‌دهد.

1-2-تعریف مسأله

پساب­های معدنی که در اثر فعالیت­های معدن‌کاری سولفیدی و زغال سنگ پدید می ­آید از جمله آلاینده­های زیست‌محیطی جبران ناپذیر می­باشد. در این میان پساب­های اسیدی به علت کاهش میزان pH محیط سبب انحلال بیشتر فلزات سنگین شده و با انتقال آب به درون آب­های سطحی و زیرزمینی اطراف معادن، باعث آلودگی آن­ها می­ شود[[ii]، [iii] و [iv]]. آلودگی زیست‌محیطی به این شکل در دراز مدت پس از تعطیلی معدن نیز موثر می­باشد. یکى از مواد مزاحم و مشکل­ساز در امر بازسازی معادن سولفیدی، پیریت موجود در باطله­های فلزی و احیانا غیرفلزی مى‌باشد که در اثر اکسیداسیون و وجود رطوبت و آب کافى تولید اسید سولفوریک نموده و محیط دمپ را اسیدی مى­نماید[[v] و[vi]].

1-2-1-پساب اسیدی معدنی

فعالیت­های استخراجی معادن مهم‌ترین عامل آلودگی آب­های زیرزمینی و سطحی به شمار می­روند. استخراج معادن سبب کاهش کیفیت آب شده و بسیاری از مشکلات زیست­محیطی را سبب می­گردند[[vii]]. از مشکلات مرتبط با عملیات معدنی، پساب­های اسیدی معدن[3] اهمیت اساسی داشته و چنانچه این پساب­های اسیدی که حاوی غلظت­های بالای آهن، سولفات و اسیدیته می­باشند به داخل منابع آب­های سطحی و زیرزمینی راه پیدا کنند سبب آلودگی این آب­ها می­شوند[[viii] و [ix]].
اکسید شدن کانی­های سولفیدی و تولید اسید سولفوریک به عنوان یک اثر منفی و نامطلوب عملیات معدنی شناخته شده است[[x]]. اسید تولید شده حاوی کانی­های محلول[4]و فلزات مختلف به منابع آب­های سطحی و زیرزمینی راه یافته و ضمن آلودگی آن­ها موجب آلودگی خاک­ها نیز می­ شود[[xi] و [xii]].
اگرچه فرایند اکسید شدن پیریت و سایر کانی­های سولفید فلزی در حضور هوا غیر قابل اجتناب است؛ اما مطالعه کانه­ها و کانی­های باطله، جنبه­ های هیدرولوژیکی، و طرح معدن‌کاری[5]می ­تواند در طراحی یک عملیات معدنی که کمترین اثرات زیست­محیطی را به همراه داشته باشد کمک موثری نماید[[xiii] و [xiv]].
اثرات زیست­محیطی مخرب که از پساب­های اسیدی معدن نتیجه می­شوند، به دلیل مدیریت ضعیف در طول طراحی، توسعه، عملیات و بسته شدن کارهای معدنی و همچنین به دلیل فهم ناصحیح از پساب­های اسیدی معدن در گذشته می­باشد[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