CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مقایسه کاربرد شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون مولفه های اصلی و رگرسیون خطی چندگانه جهت مدل سازی شاخص کیفیت هوای شهری

عنوان مقاله: مقایسه کاربرد شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون مولفه های اصلی و رگرسیون خطی چندگانه جهت مدل سازی شاخص کیفیت هوای شهری
شناسه ملی مقاله: JR_JESJ-42-3_001
منتشر شده در در سال 1395
مشخصات نویسندگان مقاله:

علیرضا احسان زاده - دانشجوی کارشناسی ارشد مهندسی محیط زیست - دانشگاه یزد و عضو باشگاه پژهشگران و نخبگان جوان
فرهاد نژادکورکی - دانشیار گروه مهندسی محیط زیست دانشگاه یزد
علی طالبی - دانشیار گروه مهندسی آبخیزداری دانشگاه یزد

خلاصه مقاله:
شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوه اثر آلودگی هوا بر سلامت و روش های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مولفه های اصلی است. جهت محاسبه شاخص کیفیت هوا از داده های هواشناسی و آلودگی هوای ثبت شده در ایستگاه تجریش و قلهک شهر تهران در دوره زمانی ۱۳۸۵ تا ۱۳۹۰ استفاده شد. به منظور ارزیابی عملکرد مدل های برآوردگر از شاخص های آماری خطا، همبستگی و صحت استفاده شد. نتایج تحقیق نشان داد که مدل شبکه عصبی در هر دو ایستگاه از عملکرد بهتری نسبت به سایر مدل ها برخوردار است، به نحوی که در ایستگاه قلهک ۰۰۶/۰RMSE=، ۰۰۴/۰MAE=، ۹۹/۰ IA=و در ایستگاه تجریش ۰۰۴/۰ RMSE=، ۰۰۲/۰ MAE=، ۱ IA=بود. مدل درخت تصمیم بعد از مدل شبکه عصبی عملکرد مطلوبی از خود نشان داد و مدل رگرسیون خطی چندگانه بعد از مدل شبکه عصبی و درخت تصمیم عملکرد بهتری نسبت به مدل رگرسیون مبتنی بر تحلیل مولفه های اصلی ارائه نمود. روش تحلیل مولفه های اصلی علی رغم آنکه توانست همبستگی بین داده های ورودی و تعداد پارامترهای ورودی به مدل را کاهش دهد باعث بهبود عملکرد مدل رگرسیون نشد.

کلمات کلیدی:
شاخص کیفیت هوا, مدلسازی, شبکه عصبی مصنوعی, درخت تصمیم, رگرسیون مولفه های اصلی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1578474/