Jeoistatistik analiz, yapay sinir ağları ve bulanık mantık yaklaşımları kullanarak çevresel radyoaktivitenin aradeğerleme modellemesi ve haritalandırılması

Abstract

Bu çalışmada, çevresel radyoaktivitenin dağılımını araştırmak ve görüntülenmesini sağlamak için jeoistatistik analiz yöntemleri (Kriging teknikleri) ve yapay zeka uygulamalarının (yapay sinir ağları ve bulanık mantık yaklaşımları) uygunluğu incelenmiş ve karşılaştırmalı olarak değerlendirilmiştir. Çalışmada kullanılan her bir yöntem ile ölçüm alınmamış ara değer bölgelerinin aktivite tahmini yapılarak çalışma alanı olan Artvin için radyolojik dağılım belirlenmiştir. Çalışmada Artvin'i temsil edecek düzeyde 204 istasyonda dış ortamda gama doz hızı ölçümü yapılmış, 117 istasyonda da toprak ve su numunesi toplanmıştır. Bu örneklerden elde edilen aktivite verilerinin %70'i ile ara değer tahmin modelleri oluşturulmuş, geri kalan %30'luk veri seti ise, yöntemlerin performanslarını belirlemek için test verisi olarak ayrılmıştır. Ayrıca ara değer tahmin yöntemleri kullanılarak çalışma alanının toprak (Ra-226, Th-232, K-40, Cs-137), su (toplam alfa ve toplam beta) ve hava (dış gama doz hızı) ölçümleri için radyolojik dağılım haritaları oluşturulmuştur. Elde edilen bulgular, radyolojik dağılımı belirlemek için yapay zeka yaklaşımlarının daha yüksek performans gösterdiğini ortaya koymuştur. In this study, appropriateness of geostatistic analysis techniques (Kriging techniques) and artificial intelligence applications (artificial neural networks and fuzzy logic approach) were examined and comparatively evaluated in order to investigate the environmental radioactivity distribution and ensure its monitoring. Radiological dispersion of Artvin was determined by estimating activity of interpolation regions through each method used in the study. Outdoor gamma dose measurements were performed in 204 outdoor stations, that are considered to be representing Artvin, and soil and water samples were collected from 117 stations. Interpolation estimation models were created with 70% of the activity data obtained from these samples and the remaining 30% of the dataset was separated as the test data to be used to determine performance of the methods. In addition, radiological distribution maps were created for soil (Ra-226, Th-232, K-40, Cs-137), water (gross alpha and gross beta) and air (outdoor gamma dose rate) measurements by using these interpolation estimation methods. The findings obtained indicate that artificial intelligence approaches have shown better performance while determining radiological distribution.