میثم ارگانی؛ امیر رمضانی؛ صادق الیاسی
چکیده
یکی از کاربردهای مهم علم سنجش از دور در بخش معدن و اکتشاف ذخایر معدنی و برآورد نقاط امید بخش زمینی میباشد. در این پژوهش با استفاده از دانش سنجش از دور به طبقهبندی و تفکیک سنگهای سطحی موجود در معدن دیرومره پرداخته شده است. هدف اصلی از انجام این پژوهش شناسایی مناطق حاوی بازالت مرغوب در سطح میباشد. در این راستا از تصاویر ماهواره چند ...
بیشتر
یکی از کاربردهای مهم علم سنجش از دور در بخش معدن و اکتشاف ذخایر معدنی و برآورد نقاط امید بخش زمینی میباشد. در این پژوهش با استفاده از دانش سنجش از دور به طبقهبندی و تفکیک سنگهای سطحی موجود در معدن دیرومره پرداخته شده است. هدف اصلی از انجام این پژوهش شناسایی مناطق حاوی بازالت مرغوب در سطح میباشد. در این راستا از تصاویر ماهواره چند طیفی ASTER که دارای قدرت تفکیک طیفی و مکانی نسبتاً قابل قبولی میباشند، استفاده شده است. در اولین قدم به منظور دستیابی به ترکیب درست طیفی بازالت با توجه به امضای طیفی تعریف شده توسط دانشگاه جان هاپکینز برای سنگ بازالت، رفتار باندهای ماهواره استر و دادههای اولیه زمینی تهیه شده توسط کارشناسان؛ شاخص استخراج بازالت (BEI) تعریف شد. سپس با اعمال فیلتر Convolution and Morphology بر روی تصویر حاصله سعی بر آن شد تا با به دست آوردن یک ترکیب رنگی مناسب، بازالت مرغوب از نامرغوب تمایز داده شود. در قدم بعد برای بارزسازی بهتر دو نمونه نقشه با دو طبقهبندی متفاوت با استفاده از الگوریتم Maximum Likelihood ساخته شدند. در انتها با توجه به تمام دادههای تحقیق و عملیات میدانی شاخص اولیه توسعه داده شد.
میثم ارگانی؛ فرید کریمی پور؛ فاطمه مافی
چکیده
در سال های اخیر، شبکه های حسگر بیسیم[1] در کاربردهای متعددی مورد مطالعه قرار گرفته اند. یکی از مسائل مهم مورد مطالعه در این شبکه ها، جایابی[2] بهینه حسگرها به منظور دستیابی به بیشینه ی مقدار پوشش[3] است. از این رو، در اکثر تحقیقات برای رسیدن به پوشش حداکثر از الگوریتم های بهینه سازی استفاده شده است. در یک رده بندی ...
بیشتر
در سال های اخیر، شبکه های حسگر بیسیم[1] در کاربردهای متعددی مورد مطالعه قرار گرفته اند. یکی از مسائل مهم مورد مطالعه در این شبکه ها، جایابی[2] بهینه حسگرها به منظور دستیابی به بیشینه ی مقدار پوشش[3] است. از این رو، در اکثر تحقیقات برای رسیدن به پوشش حداکثر از الگوریتم های بهینه سازی استفاده شده است. در یک رده بندی کلی، الگوریتم های بهینه سازی برای جایابی بهینه حسگر با هدف افزایش پوشش، به دو گروه الگوریتم های بهینه سازی محلی و سراسری تقسیم می شوند. الگوریتم های سراسری عموماً از یک روش تصادفی بر اساس یک روند تکاملی استفاده می کنند. در اغلب تحقیقات انجام شده، مدل محیط و بعضاً چیدمان حسگرها در شبکه به صورت کاملاً ساده سازی شده در نظر گرفته شده اند. در این تحقیق با مدلسازی رستری و برداری محیط در فضاهای دو و سه بعدی، عملکرد الگوریتم های بهینه سازی سراسری به منظور جانمایی بهینه حسگرها، ارزیابی و مقایسه شده اند و مدل محیط برداری به عنوان مدل دقیق تر استفاده می شود. از آنجایی که هدف مقایسه عملکرد و نتایج الگوریتمهای سراسری بوده است، منطقه مورد مطالعه و شرایط پیادهسازی یکسان فرض شدهاند. در این مقاله، چند روش بهینهسازی برای جایابی سنسور، از جمله الگوریتمهای ژنتیک، L-BFGS، VFCPSO و CMA-ES ،پیادهسازی و معیار ارزیابی الگوریتمها برای مسئله جایابی شبکههای حسگر بیسیم، مقدار پوشش بهینه، دقت پوشش آنها نسبت به مدل محیط و سرعت همگرایی الگوریتمها در نظر گرفته شده است.از سوی دیگر، در این تحقیق مدل احتمالی پوشش[4] برای هر یک از الگوریتمهای بهینهسازی سراسری پیادهسازی شدند. نتایج این پیادهسازیها نشان میدهد که وجود پارامترهای پیچیدهتر در مدل محیط و پوشش، نتایج دقیقتر و منطبقتری با واقعیت را ارائه میکند. با این حال ممکن است کارایی زمانی الگوریتمها را کاهش دهد. [1]4- Wireless Sensor Networks [2]5-Deployment [3]6- Coverage [4]7- Probablity coverage model