استفاده از الگوریتم های یادگیری مولد عمیق به منظور تخمین غلظت ذرات معلق در شهر تهران
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 158
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_SEPEHR-31-122_001
Index date: 1 October 2022
استفاده از الگوریتم های یادگیری مولد عمیق به منظور تخمین غلظت ذرات معلق در شهر تهران abstract
در دهه های اخیر، سطح غلظت ذرات معلق در کلان شهر تهران افزایش یافته است که این امر، مخاطرات فراوانی را برای محیط زیست و سلامت شهروندان به همراه داشته است. یکی از خطرناک ترین نوع آلودگی ها، آلودگی ذرات معلق کمتر از ۲.۵ میکرون (PM۲.۵) هست که مدل سازی، پایش و پیش بینی آن را بسیار حیاتی می نماید. برآورد غلظت این ذرات در سطح شهر تهران به دلیل وجود منابع گوناگون آلودگی و کمبود ایستگاه های هواشناسی و عدم توزیع مناسب ا یستگاه ها موضوعی چالش برانگیز است. یکی از منابع جایگزین، استفاده از داده های به دست آمده از طریق تصاویر ماهواره ای شامل داده های ایروسل با توان تفکیک مکانی بالاست. بااین حال تخمین مقادیر آلودگی سطحی از روی داده های ایروسل ماهواره ای به سادگی امکان پذیر نیست و نیازمند توسعه مدل های مناسب نظیر مدل های داده مبنا و استفاده از تکنیک های یادگیری ماشینی می باشد. در این راستا هدف این مقاله ایجاد یک مدل به منظور تخمین میزان غلظت ذرات معلق در سطح شهر تهران با استفاده از داده های حاصل از مدل های هواشناسی و داده های ایروسل به دست آمده از تصاویر ماهواره ای مودیس به کمک الگوریتم های یادگیری عمیق مولد هست. برای این منظور سه نوع شبکه یادگیری عمیق بر مبنای مدل های مولد یعنی شبکه خود رمزنگار عمیق، شبکه باور عمیق بولتزمن و شبکه مولد تخاصمی شرطی برای تخمین غلظت PM۲.۵ با استفاده از داده های زمینی و ماهواره ای جمع آوری شده، توسعه داده شد. سپس ارزیابی دقت مدل های ایجادشده توسط شبکه های مذکور بر روی داده های تست انجام شد و عملکرد آن ها مورد بررسی و مقایسه قرار گرفت. ارزیابی دقت نشان داد که شبکه خود رمزنگار ترکیب شده با مدل بردار پشتیبان مبنا با همبستگی۰.۶۹ و دقت (RMSE) ۱۰.۳۴ میکروگرم بر مترمکعب بالاترین کارایی را در مقایسه با سایر مدل ها به دست می دهد که می تواند به منظور مدل سازی میزان غلظت ذرات در سطح شهر تهران مورد استفاده قرار گیرد.
استفاده از الگوریتم های یادگیری مولد عمیق به منظور تخمین غلظت ذرات معلق در شهر تهران Keywords:
مدل های عمیق مولد , یادگیری عمیق , شبکه های خود رمزنگار , غلظت PM۲.۵ , عمق لایه ی نوری ایروسل , مودیس
استفاده از الگوریتم های یادگیری مولد عمیق به منظور تخمین غلظت ذرات معلق در شهر تهران authors
حسین باقری
استادیار گروه نقشه برداری، دانشکده عمران و حمل ونقل، دانشگاه اصفهان، اصفهان، ایران
محمدحسن زالی
کارشناسی گروه نقشه برداری، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، 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 :