پیش بینی غلظت ذرات گرد و غبار هوای شهر تهران با استفاده از شبکه عصبی مصنوعی
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,185
This Paper With 10 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:
PWSWM02_205
Index date: 3 September 2013
پیش بینی غلظت ذرات گرد و غبار هوای شهر تهران با استفاده از شبکه عصبی مصنوعی abstract
دراین پژوهش ازشبکه های عصبی مصنوعی (Artificial neura networks) به عنوان ابزاری توانمند درمدل سازی فرآیندهای غیرخطی ونامعین،به منظور پیش بینی میزان غلظت ذرات گرد و غبار شهر تهران استفاده شد.از نرم افزار MATLAB 7 و در شاخه Neural network برای پیش بینی کمک گرفته شد. ورودی های مدل ANN شامل داده های غلظت ذرات گرد و غبار،دمای هوا و سرعت باد در محدوده شهر تهران است که این داده ها بازه زمانی سال های 2006 تا 2010 را دربر می گیرند.اطلاعات چهار سال اول یعنی سال های 2006 تا 2009 برای آموزش مدل ها وداده های یک سال باقی مانده یعنی 2010 برای آزمایش آنها به کار رفته است.شبکه مورد استفاده از نوع پرسپترون چندلایه (Multi-Layer Perceptron) با الگوریتم پس انتشار خطا (Back Propagation) و تکنیکهای یادگیری Traingdm و Trainlm است. نتایج این تحقیق نشان می دهدمقایسه مقادیر پیش بینی شده با مقادیر داده های واقعی گزارش شده، همان طور که انتظار می رفت یکسان می باشد و این نشانگر کارایی این سیستم برای سایر پیش بینی ها می باشد و با استفاده از این شبکه می توان غلظت ذرات گرد و غبار را با دقت بالای 95 % پیش بینی کرد.
پیش بینی غلظت ذرات گرد و غبار هوای شهر تهران با استفاده از شبکه عصبی مصنوعی Keywords:
پیش بینی غلظت ذرات گرد و غبار هوای شهر تهران با استفاده از شبکه عصبی مصنوعی authors
نفیسه زراعت زاده
دانشجوی کارشناسی ارشد زمین شناسی زیست محیطی،دانشگاه شهید باهنر کرمان،ایران
شهباز رادفر
استادیار بخش زمین شناسی،دانشکده علوم،دانشگاه شهید باهنر کرمان،ایران
بهرام بختیاری
استادیار بخش مهندسی آب،دانشکده کشاورزی،دانشگاه شهید باهنر کرمان،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 :