Ml-Mining: Machine Learning Surrogate Modeling for Environmental Risk Assessment and Water Quality Prediction at Mining Sites

Esittely

Kaivosjäte on yksi suurimmista ympäristöllisistä ja sosioekonomisista huolenaiheista kaivostoiminnan harjoittajille, hallituksille ja kansalaisille johtuen tällaisen jätteen kemiallisesta reaktiivisuudesta ja mahdollisuudesta vapauttaa myrkyllisiä päästöjä, jotka aiheuttavat vakavan riskin vahingoittaa kaivostoiminnan läheisyydessä olevia vesiekosysteemejä. Reaktiiviset kuljetusmallit edustavat vakiintuneita työkaluja saastuneiden suotovesien laadun/määrän ennustamiseen ja tulevien regenerointi- ja kunnostusskenaarioiden tutkimiseen. Kuitenkin laskennallinen taakka, jota vaaditaan useiden prosessien ja niiden monitasoisten kytkentöjen ratkaisemiseksi, tekee näiden prosessipohjaisten mallien käyttöönottamisen mahdottomaksi paikkakohtaisissa riskinarviointitutkimuksissa. Hankkeessa tutkitaan laskentamenetelmiä, jotka voivat ennustaa monimutkaisten mallien tuoton aikaskaalalla, joka on kertaluokkaa nopeampi verrattuna vastaaviin prosessipohjaisiin malleihin. Menetelmät perustuvat koneoppimistekniikoiden soveltamiseen laskennallisesti raskaan mallin syötteiden ja tulosten välisen suhteen arvioimiseksi. Hankkeessa tehdään yksityiskohtaisia tutkimuksia kehittääksemme kaivosjärjestelmiin räätälöityjä mallinnustyökaluja. Ehdotettu hanke on pituudeltaan 4 vuotta ja haettavalla rahoituksella palkataan yksi väitellyt tutkija ja yksi väitöskirjatyöntekijä, jotka suorittavat ehdotetut tutkimustoimet ja tehtävät. Hankkeen tulokset edistävät tieteellistä ymmärrystä ja tarjoavat innovatiivisia ratkaisuja toimijoille ja viranomaisille jätehuollon ja ympäristöriskien arvioinnin käytäntöjen parantamiseksi.

 

Projektilistaukseen