پیش بینی و مدلسازی غلظت روزانه ذرات معلق (PM۲.۵ & PM۱۰) زمستانه شهر همدان با شبکه عصبی مصنوعی پرسپترون چند لایه
Publish place: Environmental Researches، Vol: 13، Issue: 26
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 14
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EIAP-13-26_006
تاریخ نمایه سازی: 1 شهریور 1403
Abstract:
در سال های اخیر تعداد روزهای با غلظت بالای ذرات معلق (PM) در شهر همدان بسیار افزایش یافته است. با توجه به شدت بیشتر این پدیده در فصل زمستان، برای مدیریت اثرات بهداشتی و محیط زیستی آن در این فصل کوشیده شده است تا با استفاده از شبکه عصبی مصنوعی (ANN) ابزاری بهینه برای پیش بینی زود هنگام آن ارایه گردد. برای بررسی عوامل تاثیرگذار بر غلطت PM زمستانه شهر همدان، داده های زمستانه آلاینده های هوا و پارامترهای هواشناسی با همبستگی پیرسون مورد تحلیل قرار گرفت. سپس بر اساس نتایج حاصل، شبکه عصبی پرسپترون چندلایه(MLP-ANN) بهینه شده بر اساس آزمون و آزمایش مدل سازی و مقادیر PM پیش بینی شد. در بین عوامل هواشناسی و کیفی هوا، متغیرهای کیفی هوا دارای همبستگی بیشتری با غلظت PM زمستانه بودند. ANN در مدلی با ۳ لایه ورودی، ۱ لایه پنهان و ۴ پردازنده لایه میانی با دقت بالای ۹۰% میزان PM۲.۵ و مدلی با یک لایه ورودی، یک لایه پنهان و ۵ پردازنده لایه میانی با دقتی بالای ۹۰% میزان PM۱۰ را پیش بینی نمود. باوجود قرارگیری کوه الوند بین باد غالب نواحی غربی کشور و شهر همدان تاثیر عوامل هواشناسی بر غلظت PM کم می باشد. همچنین افزایش PM زمستانه شهر می تواند ناشی افزایش مصرف سوخت و تولید آلاینده های حاصل از احتراق در زمستان باشد. ابزار MLP-ANN با کمترین و دردسترس ترین داده ها دارای قابلیت پیش بینی زود هنگام میزان PM می باشد و می توان از آن برای کنترل اثرات PM بهره گرفت.
Keywords:
Authors
عیسی سلگی
دانشیار گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ایران
محمد پارسی مهر
دانشجوی دکتری آلودگی محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، 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 :