چکیده مقاله
صنایع نفت و معدن در ایران، به عنوان ستون های اصلی توسعه صنعتی، همواره با چالش های زیست محیطی گسترده ای از جمله آلودگی های هوابرد، مدیریت پسماند و افت منابع حیاتی آب مواجه بوده اند با توجه به پیچیدگی این معضلات، استفاده از مدل های داده محور پیشرفته برای پیش بینی دقیق آلاینده ها و بهینه سازی مصرف منابع، امری ضروری محسوب می گردد پژوهش حاضر، با رویکردی مهندسی محیط زیستی، به بررسی کارایی مدل های هوش مصنوعی AI و یادگیری ماشین ML در مدیریت و کاهش این ریسک ها پرداخته است این مطالعه بر مبنای تحلیل داده های دینامیک سه ساله شامل بیش از ۱۴,۰۰۰ رکورد از چهار منطقه کلیدی صنعتی ایران انجام شده و از مدل های پیشرفته ای نظیر رگرسیون بردار پشتیبان SVR و شبکه های عصبی مصنوعی ANN بهره گرفته است نتایج به دست آمده از مدل سازی ها، نوآوری متودولوژیک این تحقیق را برجسته می سازند؛ به طوری که مدل SVR در پیش بینی غلظت آلاینده PM۲ ۵ به ضریب تبیین ۰ ۹۴ دست یافت همچنین، این چارچوب تحلیلی توانست پتانسیل کاهش حداقل ۳۰ درصدی مصرف آب در فرآیندهای استخراج را شناسایی نماید قدرت مدل های ANN در شبیه سازی دقیق ریسک های بلندمدت اقلیمی، لزوم انتقال از مدیریت واکنشی به مدیریت پیشگیرانه و داده محور را اثبات می کند لذا، پیاده سازی این چارچوب داده محور در سطح کلان کشور، می تواند به عنوان ابزاری موثر در تصمیم گیری های مدیریتی و تحقق حکمرانی سبز، مد نظر سیاست گذاران قرار گیرد
کلیدواژهها
نویسندگان
شیوه ارجاع
�لیمانی خواه، امیرحسین،1404،مدیریت چالش های محیط زیستی در صنایع نفت و معدن با استفاده از هوش مصنوعی: راهکارهای نوین برای بهبود حکمرانی سبز و توسعه پایدار،سومین کنفرانس و نمایشگاه ملی چالش های محیط زیستی: نقش صنعت، معدن و جامعه در گسترش حکمرانی سبز،تهران
ارائهشده در
مجموعه مقالات سومین کنفرانس و نمایشگاه ملی چالش های محیط زیستی: نقش صنعت، معدن و جامعه در گسترش حکمرانی سبز19 آبان 1404 · تهران