عملکرد شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در برآورد غلظت ازن در شهر تهران
Authors
abstract
در سال های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ایستگاه های پونک، گلبرگ، فتح و شهرداری16 جهت برآورد غلظت ازن شهر تهران در سال های 1389-1390 استفاده شد. با استفاده از رگرسیون گام به گام متغیرهای هواشناسی مقدار دما، میزان بارش و سرعت باد انتخاب و با استفاده از مدل های شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی به پیش بینی غلظت ازن پرداخته شد. نتایج نشان داد که شبکه عصبی مصنوعی در ایستگاه شهرداری16 با مقدار ریشه میانگین مربعات خطا ( rmse)، 042/0 و ضریب همبستگی (r2) 23/0 ، نسبت به شبکه عصبی فازی- تطبیقی با مقدار ریشه میانگین مربعات خطا، 057/0 و ضریب همبستگی 16/0 در مرحله آزمون توانسته با دقت بالایی غلظت ازن را برآورد بزند. همچنین در تمامی ایستگاه ها متغیر مقدار دما به عنوان تاثیرگذارترین متغیر ورودی بر غلظت ازن شناخته شد. نتایج بررسی نشان می دهند که مدل شبکه عصبی مصنوعی دارای دقت بالاتری در برآورد غلظت ازن نسبت به شبکه عصبی فازی- تطبیقی می باشد. بر طبق آزمون آنالیز حساسیت مقدار متغیر دما به عنوان تاثیرگذارترین متغیر در همه ایستگاه ها می باشد.
similar resources
عملکرد مدل شبکه عصبی مصنوعی و شبکه عصبی فازی تطبیقی در تخمین غلظت ذرات معلق در هوای شهر تهران
در سالهای اخیر رشد روز افزون جمعیت ، وسایل نقلیه و کارخانه‌ها باعث افزایش آلودگی هوا و ایجاد مشکلات زیادی برای محیط زیست بشر و سلامتی انسان شده است. یکی از مهمترین آلاینده‌ها، ذرات‌معلق می‌باشد که سبب بروز مشکلات تنفسی و قلبی در انسان می‌شود. هدف از این مطالعه مقایسه مدل‌های شبکه‌عصبی‌مصنوعی و شبکه‌عصبی‌فازی-تطبیقی در تخمین غلظت ذرات معلق در شهر تهران می‌باشد. در...
full textعملکرد مدل شبکه عصبی مصنوعی و شبکه عصبی فازی تطبیقی در تخمین غلظت ذرات معلق در هوای شهر تهران
در سالهای اخیر رشد روز افزون جمعیت ، وسایل نقلیه و کارخانه ها باعث افزایش آلودگی هوا و ایجاد مشکلات زیادی برای محیط زیست بشر و سلامتی انسان شده است. یکی از مهمترین آلاینده ها، ذرات معلق می باشد که سبب بروز مشکلات تنفسی و قلبی در انسان می شود. هدف از این مطالعه مقایسه مدل های شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی در تخمین غلظت ذرات معلق در شهر تهران می باشد. در این تحقیق از داده های هواشناسی ...
full textمدل‌سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان
Rainfall runoff modeling and prediction of river discharge is one of the important practices in flood control and management, hydraulic structure design and drought management. The present article aims to simulate daily streamflow in Kasilian watershed using an artificial neural network (ANN) and neuro-fuzzy inference system (ANFIS). The intelligent methods have the high potential for dete...
full textتوسعه مدل پیش‌بینی غلظت ازن در هوا با استفاده از شبکه عصبی مصنوعی
با توجه به مضرات ازن بر سلامت انسان و محیط‌زیست و افزایش آن در دهه‌های گذشته، بررسی و پیش‌بینی میزان آن در هوا از اهمیت بالایی برخوردار است. پیش‌بینی غلظت ازن در هوا می تواند برای پیشگیری و کنترل توسط مسئولان استفاده شود. در این مقاله پارامترهای مهم و تأثیرگذار بر غلظت ازن با استفاده از داده‌های پایش کیفیت هوا ایستگاه‌های آزادی و امام خمینی طی سالهای 2009 تا 2010، بررسی شده است. در این راستا م...
full textآنالیز حساسیت پارامترهای موثر بر غلظت ازن با استفاده از شبکه عصبی مصنوعی
Background and Objectives: Weather pollution, caused by Ozone (O3) in metropolitans, is one of the major components of pollutants, which damage the environment and hurt all living organisms. Therefore, this study attempts to provide a model for the estimation of O3 concentration in Tabriz at two pollution monitoring stations: Abresan and Rastekuche. Materials and Methods: In this research, Art...
full textMy Resources
Save resource for easier access later
Journal title:
فصلنامه علوم و مهندسی محیط زیستجلد ۴، شماره ۷، صفحات ۱-۱۱
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023