利用自组织映射（SOM）集成地电与地球化学数据以表征垃圾填埋场
地球物理
2023-09-19 v1 机器学习
信号处理
摘要
垃圾倾倒场的渗滤液会显著破坏其周边区域。即使这些场地与人口密集区距离可能较远，在大多数情况下影响公共用途含水层的风险仍是迫在眉睫的。因此，渗滤液羽流的划定与监测具有重要意义。将地电数据（电阻率和 IP）以及地表甲烷测量数据集成并通过无监督神经网络分类，以识别垃圾填埋场周边区域的潜在风险区。所使用的神经网络为 Kohonen 类型，其生成的结果即为自组织分类图或 SOM（自组织映射）。从所执行的训练中获得两种图形输出，其中选取了表现出相似行为的神经元组。生成了对应于这些组位置及各个变量的等值线图，以比较所得分类以及与各变量相关的不同异常。分类得到的两组与所评估参数中垃圾填埋场内渗透液体的典型值相关。由此，通过 SOM 集成输入变量，获得了所研究垃圾填埋场受影响区域的精确划定。出于保密原因，研究区位置未详述。
引用
@article{arxiv.2309.09164,
title = {Integration of geoelectric and geochemical data using Self-Organizing Maps (SOM) to characterize a landfill},
author = {Camila Juliao and Johan Diaz and Yosmely BermÚdez and Milagrosa Aldana},
journal= {arXiv preprint arXiv:2309.09164},
year = {2023}
}
备注
11 pages, 7 figures