پیش بینی غلظت آلاینده منوکسیدکربن در کلان شهر تهران با استفاده از شبکه های عصبی مصنوعی
Publish place: Environmental Science and Technology، Vol: 19، Issue: 5
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 163
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-19-5_002
تاریخ نمایه سازی: 19 مهر 1400
Abstract:
زمینه و هدف:. راهکارهای متعددی برای کنترل آلودگی هوا وجود دارد که یکی از آن ها پیشبینی میزان آن است. هدف از این تحقیق ارایه یک مدل شبکه عصبی مصنوعی با ساختار چندلایه، برای آلاینده CO در شهر تهران برای پیشبینی ۲۴ساعت آینده آن میباشد. روش بررسی: از مشخصههای سرعت باد، جهت باد، دما، رطوبت نسبی و فشار هوا به عنوان دادههای هواشناسی و از غلظت منوکسیدکربن به عنوان پارامتر آلودگی هوا به منظور پیشبینی مقدار آلایندهCO در روز آتی (۲۴ ساعت آینده) استفاده شد. جهت حذف نویز دادهها، در مرحله پیشپردازش دادهها، از دو روش تبدیل موجک و تعیین حد آستانه به کمک توزیع نرمال استفاده گردید. یافته ها: نتایج حاصل از شاخصهای آماری ضریب همبستگی، شاخص توافق، دقت پیشبینی و جذر میانگین مربعات خطا برای مدل۱ با دادههای تکراری به ترتیب ۹۰۱۲/۰، ۹۱۵/۰، ۸۴۸/۰ و ۱۰۱۲/۰ و برای مدل۲ با دادههای تکراری به ترتیب۹۵۷۲/۰، ۹۷۸/۰، ۹۶۳/۰ و ۰۳۸۵/۰ میباشد. نتیجه گیری: نتایج حاصل نشان میدهد توافق خوبی بین دادههای اصلی و دادههای پیشبینی شده توسط مدلها وجود دارد و مدلهای ارایه شده در پیشبینی آلودگی هوا از قابلیت بالایی برخوردارند.
Keywords:
Authors
حمیدرضا جدی
کارشناس ارشد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران.
رحیم علی عباسپور
استادیار، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران.
مینا خالصیان
دکترای GIS، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران.
سیدکاظم علوی پناه
استاد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :