مدل سازی خطی و غیر خطی آلاینده های هوای شهر تهران با استفاده از خصیصه های محیطی و ترافیک
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 992
This Paper With 15 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:
NCEGIT01_010
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
در سال های اخیر آلودگی هوای تهران به عنوان پایتخت ایران به صورت یک چالش تهدیدی جدی برای سلامت انسان ها و عناصر محیط زیست مطرح گردیده است به منظور ارتقاء شاخص های کیفیت زندگی از جمله سطح سلامت به خصوص در کلان شهرها از جمله تهران درک صحیحی از آلودگی هوا به منظور حفظ محیط زیست شهری و طراحی سیاست های کلان در کشور مورد نیاز می باشد برای رسیدن به این هدف پیش بینی کوتاه مدت آلودگی هوا ضروری می باشد هدف از این پژوهش طراحی یک شبکه عصبی مصنوعی بهینه به عنوان یک مدل غیر خطی و مقایسه عملکرد آن با عملکرد رگرسیون خطی چند متغیره به عنوان یک مدل خطی به منظور پیش بینی مقادیر منواکسید کربن و دی اکسیدنیتروژن بود بدین منظور کارایی ویژگی های محیطی و ترافیک مورد بررسی قرار گرفتند نتایج به دست آمده نشانگر دقت بیشتر مدل پیش بینی کننده دی اکسید نیتروژن نسبت به مدل پیش بینی کننده منواکسید کربن بود همچنین به منظور پیش بینی غلظت منواکسید کربن شبکه عصبی پرسپترن چند لایه نسبت به مدل رگرسیون خطی چند متغیره از لحاظ آماری دقت بالاتری را نشان داد در حالی که اختلاف معنی داری بین این مدل ها برای پیش بینی دی اکسید نیتروژن وجود نداشت
Keywords:
Authors
محمدرضا عبودی
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم انسانی دانشگاه تربیت مدرس
جلال کرمی
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم انسانی دانشگاه تربیت مدرس
علی شمس الدینی
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم انسانی دانشگاه تربیت مدرس
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 :