S'abonner

Contribution des réseaux de neurones artificiels (RNA) à la caractérisation des pollutions de sol. Exemples des pollutions en hydrocarbures aromatiques polycycliques (HAP) - 22/03/08

Adrian Dan , Jasha Oosterbaan , Philippe Jamet
Centre d'informatique géologique, École nationale supérieure des mines de Paris, 35, rue Saint-Honoré, 77305 Fontainebleau cedex, France 

Correspondance et tirés à part.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 9
Iconographies 5
Vidéos 0
Autres 0

Présenté par Ghislain de Marsily

Abstract

We develop the ANNs (Artificial Neural Networks) method to explore contaminant concentration profiles observed in soils of polluted sites. ANNs are particularly efficient in simultaneous analysis of numerous parameters and in identification of complex relations involving field data. Applying the ANN models on a PAH (Polycyclic Aromatic Hydrocarbon) database, we extracted the most characteristic components of known contaminations and applied it to identify the source type of similar polluted sites. The performed tests prove the generalisation capability of the selected ANN model. To cite this article: A. Dan et al., C. R. Geoscience 334 (2002) 957-965.

Le texte complet de cet article est disponible en PDF.

Résumé

L'analyse exploratoire de données environnementales utilise fréquemment des outils statistiques. Cet article présente l'applicabilité des réseaux de neurones artificiels (RNA) à l'étude des pollutions des sols par les hydrocarbures aromatiques polycycliques (HAP). Les RNA mettent en évidence des relations entre la distribution en polluants observée dans des prélèvements de sol et le type d'activité industrielle génératrice. Ces modèles facilitent, par exemple, l'identification des substances chimiques caractéristiques des pollutions observées sur les sites d'anciennes cokeries et usines à gaz. Pour citer cet article : A. Dan et al., C. R. Geoscience 334 (2002) 957-965.

Le texte complet de cet article est disponible en PDF.

Keywords : Artificial Neural Networks (ANN), Polycyclic Aromatic Hydrocarbons (PAH), soil contamination, coking plant, manufactured gas plant

Mots-clé : réseaux de neurones artificiels (RNA), hydrocarbures aromatiques polycycliques (HAP), pollution de sol, cokerie, usines à gaz

Mots-clé : Géosciences de surface

Keywords : Surface Geosciences


Plan


© 2002  Académie des sciences / Éditions scientifiques et médicales Elsevier SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 334 - N° 13

P. 957-965 - octobre 2002 Retour au numéro
Article précédent Article précédent
  • Caractérisation par résonance paramagnétique électronique (RPE) de quartz naturels issus de différentes sources
  • Mathieu Duttine, Gérard Villeneuve, Françoise Bechtel, Gérard Demazeau
| Article suivant Article suivant
  • Modelling diffusion in a heterogeneous rock matrix with a time-domain Lagrangian method and an inversion procedure
  • Frédérick Delay, Gilles Porel, Paul Sardini

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.