دانلود مقاله ISI انگلیسی شماره 112790
ترجمه فارسی عنوان مقاله

تصویربرداری دینامیکی از آلومینیوم آلودگی فلز بر اساس اطلاعات پتانسیل بالقوه

عنوان انگلیسی
Dynamic imaging of metallic contamination plume based on self-potential data
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
112790 2017 9 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Transactions of Nonferrous Metals Society of China, Volume 27, Issue 8, August 2017, Pages 1822-1830

ترجمه کلمات کلیدی
تصویربرداری دینامیک، خود پتانسیل، آلودگی فلزی، فیلتر کلمن گسترش یافته،
کلمات کلیدی انگلیسی
dynamic imaging; self-potential; metallic contamination; extended Kalman filter;
ترجمه چکیده
یک روش تصویربرداری پویا برای نظارت بر داده های خود پتانسیل پیشنهاد شده است. بر اساس قانون دارسی و فرمول های آرچی، یک مدل پویا به عنوان یک مدل دولتی برای شبیه سازی حمل و نقل یون های فلزی در محیط متخلخل ساخته شد و از معادله نرنست برای محاسبه پتانسیل بازسازی یونهای فلزی برای مدل سازی مشاهده شده استفاده شده است. سپس مدل دولتی و مدل مشاهدات یک چرخه فیلتر کلمن را برای انجام تصویربرداری دینامیکی تشکیل می دهند. سر و صدای تست تصویربرداری داده های مصنوعی نشان می دهد که فیلتر کلمن گسترش یافته می تواند به طور موثر تکامل مدل را به هم متصل کند و داده های بالقوه خود را مشاهده کند. آزمایش بعدی آزمایش ماسهبازی همچنین نشان می دهد که خود پتانسیل را می توان برای نظارت بر فعالیت های یون های فلزی و دقیقا بازیابی فرایند پویا از آلودگی های فلزی را مورد استفاده قرار داد.
پیش نمایش مقاله
پیش نمایش مقاله  تصویربرداری دینامیکی از آلومینیوم آلودگی فلز بر اساس اطلاعات پتانسیل بالقوه

چکیده انگلیسی

A dynamic imaging method for monitoring self-potential data was proposed. Based on the Darcy's law and Archie's formulas, a dynamic model was built as a state model to simulate the transportation of metallic ions in porous medium, and the Nernst equation was used to calculate the redox potential of metallic ions for observation modeling. Then, the state model and observation model form an extended Kalman filter cycle to perform dynamic imaging. The noise added synthetic data imaging test shows that the extended Kalman filter can effectively fuse the model evolution and observed self-potential data. The further sandbox monitoring experiment also demonstrates that the self-potential can be used to monitor the activities of metallic ions and exactly retrieve the dynamic process of metallic contamination.