ارائه یک مدل ترکیبی شبکه عصبی عمیق پیش بینی آلودگی هوا چند متغیریمبتنی بر داده های هواشناسی
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 116
This Paper With 7 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:
CRIAL01_092
تاریخ نمایه سازی: 7 مرداد 1403
Abstract:
در سالهای اخیر، با توسعه سریع اقتصاد و صنعتی شدن اغلب کشورها، مشکل آلودگی محیط زیست بسیار جدی شده و در این میان، آلودگی هوا به طور خاص قابل توجه است. پیشرفت همزمان اقتصاد و صنعت، یکی از اصلی ترین عوامل افزایش خطرناک آلودگی هواست که با هدف پیش بینی کیفیت هوا و غلظت آلاینده ها، مطالعات زیادی انجام گرفته است. نتایج برخی از این تحقیقات نشان می دهد که یادگیری تجمعی در مقایسه با روش های منفرد می تواند عملکرد پیش بینی را در بسیاری از حوزه ها بهبود بخشد. از این رو، در این مقاله، یک مدل عمیق تجمعی در یک معماری جهت دار غیرمدور، مبتنی بر شبکه های عصبی بازگشتی، با سه واحد پنهانGRU ،LSTM وBiLSTM ارائه شده است؛ که هدف آن پیش بینی وضعیت آلاینده ذرات معلق PM۲.۵ در بیست و چهار ساعت آینده است. مدل چند متغیره ی پیشنهاد شده، مبتنی بر داده های هواشناسی و داده های آلودگی هوا ارائه شده است. نتایج تجربی در داده های هواشناسی پکن نشان می دهد، این مدل توانسته در پیش بینی بیست و چهار ساعت آینده، به طور میانگین با واحدهای پنهان LSTM و GRU به ترتیب به جذر میانگین مربعات خطا ۷.۱۶ و ۱۲.۵۳ دست یابد
Keywords:
Authors
پدیده قربانی
دانشجوی دکتری ، گروه برق ، دانشگاه آزاد اسلامی واحد اصفهان، اصفهان
فرساد زمانی بروجنی
استادیار، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات ، تهران