بررسی عمل کرد الگوریتم های مبتنی بر یادگیری ماشین و یادگیری عمیق، در تخمین غلظت ذرات PM۲.۵ با استفاده از محصولات مختلف عمق نوری آئروسل

Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 166

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CMUECONF08_035

تاریخ نمایه سازی: 13 بهمن 1401

Abstract:

آلودگی هوا در ردیف یکی از زیا نبارترین بلایای طبیعی قرار گرفته است. ذرات معلق درهوا با قطر کمتر از ۲.۵میکرومتر (PM۲.۵) یکی از خطرنا کترین و مضرترین نوع ذرات در میان آلاینده های مختلف هوا برای سلامتی انسان هستند. یکی از تکنیک های تخمین PM۲.۵ استفاده از محصولات ماهواره ایی عمق نوری آئروسل (AOD) می باشد . این تحقیق به انجام آزمایش بر روی الگوریت مهای مختلف یادگیری ماشین و بررسی عملکرد آ نها درتخمین PM۲.۵ از روی داده های AOD سنجنده های MODIS و VIIRS و داده های هواشناسی می پردازد. نتایج حاکی از آن است که الگوریتم XGBooST بهترین عملکرد را برای تخمین رابطه ی AOD و RM۲.۵ از خود نشان می دهد. دقت این الگوریتم برای بهترین محصول AOD به R(۲)=۰.۸۱ رسید.

Authors

علی میرزایی

اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل

حسین باقری

اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل

مهران ستاری

اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل