سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

ارزیابی قابلیت ماشین بردار پشتیبان در پیش بینی مونوکسید کربن

Publish Year: 1396
Type: Journal paper
Language: Persian
View: 37

This Paper With 8 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_MCEJ-17-3_017

Index date: 24 February 2025

ارزیابی قابلیت ماشین بردار پشتیبان در پیش بینی مونوکسید کربن abstract

چکیده- عدم قطعیت موجود در مطالعات مدل سازی آلودگی هوا، نتایج شبیه سازی را به شدت تحت تاثیر قرار می دهد. در این راستا تعیین عدم قطعیت مدل های پیش بینی کیفی هوا، به دلیل تاثیرگذاری بر سلامت افراد در معرض آلودگی، از اهمیت ویژه ای برخوردار است. بنابراین در این تحقیق اقدام به تعیین عدم قطعیت ماشین بردار پشتیبان (SVM) برای تخمین مونوکسید کربن (CO) در ایستگاه پایش قلهک، در شمال تهران، شده است. برای تعیین عدم قطعیت مدل SVM، با تغییر الگوهای انتخابی برای کالیبراسیون، به دفعات زیاد واسنجی مدل انجام شد. این امر با خروجی های مختلف در هر مرحله، به دلیل حساسیت مدل به الگوهای واسنجی انتخابی، همراه بود. سپس با استفاده از فاکتور عرض باند (d-factor) و درصد داده های اندازه گیری قرار گرفته در باند ۹۵ درصد عدم قطعیت مدل (۹۵PPU)، عملکرد SVM در فرآیند پیش بینی CO مورد ارزیابی قرار گرفت. نتایج این تحقیق بیانگر عملکرد مناسب مدل SVM در پیش بینی غلظت روزانه CO در شهر تهران بود به گونه ای که از ضریب تعیین (R۲) معادل ۸۹/۰ و ۸۸/۰ به ترتیب در مراحل کالیبراسیون و صحت سنجی برخوردار بود. همچنین یافته های تحلیل عدم قطعیت مدل SVM مشخص نمود که مقدار d-factor و درصد داده های اندازه گیری محصور شده توسط ۹۵PPU برای این مدل در مرحله صحت سنجی به ترتیب معادل ۷۴/۰ و ۷۶ درصد می باشد. بر اساس شاخص های آماری d-factor و ۹۵PPU، عدم قطعیت مدل SVM برای پیش بینی غلظت روزانه CO در تهران قابل قبول بوده به نحوی که این مدل از عدم قطعیت اندکی در پیش بینی این شاخص کیفیت هوا در شهر تهران برخوردار بود.

ارزیابی قابلیت ماشین بردار پشتیبان در پیش بینی مونوکسید کربن Keywords:

ارزیابی قابلیت ماشین بردار پشتیبان در پیش بینی مونوکسید کربن authors

روح اله نوری

دانشگاه تهران

صابر معظمی

دانشگاه آزاد اسلامی واحد اسلامشهر

محمد سلیمیان

دانشگاه تهران

محمودرضا مومنی

دانشگاه تهران

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 :
Hanna S. R. ۱۹۹۸ Air quality model evaluation and uncertainty. ...
Kioutsioukis L., Tarantola S., Saltelli A. & Gatelli D. ۲۰۰۴ ...
Özkaynak H., Frey H. C., Burke J. & Pinder R. ...
Noori R., Hoshyaripour G., Ashrafi K. & Rasti O. ۲۰۱۳ ...
Noori R., Ashrafi K. & Ajdarpour A. ۲۰۰۸ Comparison of ...
Noori R., Hoshiyaripour G., Ashrafi K. & Araabi B. N. ...
Lu W. Z. & Wang W. ۲۰۰۵ Potential assessment of ...
Lu W. Z. & Wang D. ۲۰۰۸ Ground-level ozone prediction ...
Lu W. Z., Wang W. J., Fan H. Y., Leung ...
Osowski S. & Garanty K. ۲۰۰۷ Forecasting of the daily ...
Salazar-Ruiz E., Ordieres J. B., Vergara E. P. & Capuz-Rizo ...
Feng Y., Zhang W., Sun D. & Zhang L. ۲۰۱۱ ...
Yeganeh B., Motlagh M. S. P., Rashidi Y. & Kamalan ...
Singh K. P., Gupta S. & Rai P. ۲۰۱۳ Identifying ...
Weizhen H., Zhengqiang L., Yuhuan Z., Hua X., Ying Z., ...
Noori R., Karbassi A., Ashrafi K., Ardestani M., Mehrdadi N. ...
Noori R., Yeh H. D., Abbasi M., Kachoosangi F. T. ...
Moazami S., Noori R., Amiri B. J., Yeganeh B., Partani ...
Vapnik V. N. ۱۹۹۸ Statistical Learning Theory. Wiley, New York ...
Fletcher R. ۱۹۸۷ Practical Methods of Optimization. Wiley, New York ...
Abe S. ۲۰۰۵ Support Vector Machines for Pattern Classification. Springer-Verlag, ...
Noori R., Karbassi A. R., Moghaddamnia A., Han D., Zokaei-Ashtiani ...
Abbaspour K. C., Yang J., Maximov I., Siber R., Bogner ...
Noori R., Safavi S. & Shahrokni A. A. N. ۲۰۱۳ ...
Noori R., Deng Z., Kiaghadi A. & Kachoosangi F. T. ...
Dehghani M., Saghafian B., Nasiri Saleh F., Farokhnia A. & ...
Noori R., Ghiasi B., Sheikhian H., Adamowski J. F. ۲۰۱۷ ...
Kioutsioukis L., Tarantola S., Saltelli A. & Gatelli D. ۲۰۰۴ ...
Özkaynak H., Frey H. C., Burke J. & Pinder R. ...
Noori R., Hoshyaripour G., Ashrafi K. & Rasti O. ۲۰۱۳ ...
Noori R., Ashrafi K. & Ajdarpour A. ۲۰۰۸ Comparison of ...
Noori R., Hoshiyaripour G., Ashrafi K. & Araabi B. N. ...
Lu W. Z. & Wang W. ۲۰۰۵ Potential assessment of ...
Lu W. Z. & Wang D. ۲۰۰۸ Ground-level ozone prediction ...
Lu W. Z., Wang W. J., Fan H. Y., Leung ...
Osowski S. & Garanty K. ۲۰۰۷ Forecasting of the daily ...
Salazar-Ruiz E., Ordieres J. B., Vergara E. P. & Capuz-Rizo ...
Feng Y., Zhang W., Sun D. & Zhang L. ۲۰۱۱ ...
Yeganeh B., Motlagh M. S. P., Rashidi Y. & Kamalan ...
Singh K. P., Gupta S. & Rai P. ۲۰۱۳ Identifying ...
Weizhen H., Zhengqiang L., Yuhuan Z., Hua X., Ying Z., ...
Noori R., Karbassi A., Ashrafi K., Ardestani M., Mehrdadi N. ...
Noori R., Yeh H. D., Abbasi M., Kachoosangi F. T. ...
Moazami S., Noori R., Amiri B. J., Yeganeh B., Partani ...
Vapnik V. N. ۱۹۹۸ Statistical Learning Theory. Wiley, New York ...
Fletcher R. ۱۹۸۷ Practical Methods of Optimization. Wiley, New York ...
Abe S. ۲۰۰۵ Support Vector Machines for Pattern Classification. Springer-Verlag, ...
Noori R., Karbassi A. R., Moghaddamnia A., Han D., Zokaei-Ashtiani ...
Abbaspour K. C., Yang J., Maximov I., Siber R., Bogner ...
Noori R., Safavi S. & Shahrokni A. A. N. ۲۰۱۳ ...
Noori R., Deng Z., Kiaghadi A. & Kachoosangi F. T. ...
Dehghani M., Saghafian B., Nasiri Saleh F., Farokhnia A. & ...
Noori R., Ghiasi B., Sheikhian H., Adamowski J. F. ۲۰۱۷ ...
نمایش کامل مراجع