پیش بینی غلظت آلاینده منوکسیدکربن در کلان شهر تهران با استفاده از شبکه های عصبی مصنوعی
عنوان مقاله: پیش بینی غلظت آلاینده منوکسیدکربن در کلان شهر تهران با استفاده از شبکه های عصبی مصنوعی
شناسه ملی مقاله: JR_ESTJ-19-5_002
منتشر شده در در سال 1396
شناسه ملی مقاله: JR_ESTJ-19-5_002
منتشر شده در در سال 1396
مشخصات نویسندگان مقاله:
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.
خلاصه مقاله:
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.
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.
کلمات کلیدی: پیش بینی آلودگی هوا, شبکه عصبی مصنوعی, آلاینده منواکسیدکربن
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1288847/