ارایه مدلی مناسب با استفاده از ماشین بردار پشتیبان برای پیشبینی غلظت روزانه مونوکسیدکربن در هوای شهر تهران
Authors
abstract
زمینه و هدف: پیشبینی دقیق آلاینده های هوا، به عنوان اولین گام جهت برخورد مناسب با مشکل آلودگی هوا، میتواند اطلاعات مفیدی را برای برنامه ریزی جهت مقابله با این موضوع در اختیار مدیران ذیر بط قرار دهد. در این مقاله با توجه به معضل آلاینده مونوکسیدکربن (co) در هوای شهر تهران، اقدام به ارایه مدلی مناسب برای پیشبینی این آلاینده شده است. روش بررسی: برای این منظور از اطلاعات آلایندههای هوا و پارامترهای هواشناسی ثبت شده در ایستگاه قلهک در شمال تهران که مجموعا 12 ورودی به مدل برای پیشبینی غلظت میانگین روزانه co را تشکیل میدادند، استفاده گردید. در گام اول این مطالعه از مدل ماشین بردار پشتیبان (svm) برای مدلسازی غلظت روزانه co استفاده شد. در گام بعد با استفاده از تکنیک انتخاب پیشرو، تعداد ورودی به مدل svm از 12 به 7 متغیر کاهش و سپس مدل مناسبی (مدل fs-svm) جهت پیشبینی غلظت روزانه co توسعه داده شد. یافته ها: به منظور ارزیابی دقت مدل های svm و fs-svm در پیش بینی روزانه co در شهر تهران از شاخص ضریب همبستگی استفاده گردید. ضریب همبستگی در مرحله تست هر دو مدل مذکور تقریبا یکسان بوده وحاکی از دقت مناسب هر دو مدل در پیش بینی روزانه co است. به هر حال باید توجه داشت که استفاده از مدل fs-svm به دلیل کاهش تعداد متغیرهای ورودی نسبت به مدل svm، با هزینه های کمتر محاسباتی و اقتصادی همراه است. نتیجه گیری: نتایج به دست آمده از این دو مدل مشخص نمود که اگرچه هر دو مدل از دقت تقریبا یکسانی در پیشبینی غلظت روزانه co برخوردارند، اما مدل fs-svm به دلیل نیاز به تعداد کمتر ورودی و در نتیجه حجم محاسباتی کمتر، میتواند از عملکرد بهتری در این زمینه برخوردار باشد.
similar resources
ارائه‌ی روشی پویا برای پیشبینی مکانی-زمانی آلودگی هوای شهر تهران بر مبنای ماشین بردار پشتیبان
با توجه به آثار سوء آلودگی هوا بر سلامت انسان‌ها و محیط، پیشبینی و مدلسازی این پدیده از جمله مسائل مهم در چند دهه‌ی گذشته بوده است. دینامیک غیر‌خطی و حجم بالای دادههای آلودگی هوا، مشکلات پیشبینی این پدیده‌ی پیچیده را، بویژه در پردازش‌های پویا، دوچندان کرده است. هدف این پژوهش، ارائه‌ی الگوریتمی برخط است که بتواند با حل مشکلات روش‌های پیشین در پیشبینی برخط آلودگی هوا، سری زمانی آلودگی هوای شه...
full textتوسعة مدلی مناسب بر مبنای شبکة عصبی مصنوعی و ماشین بردار پشتیبان برای پیشبینی بهنگام اکسیژن‌خواهی بیوشیمیایی 5 روزه
محدودیت سنسورهای سخت‌افزاری برای اندازه‌گیری برخی مشخصه‌های کیفی آب مانند اکسیژن‌خواهی بیوشیمیایی 5 روزه (BOD5) که از لحاظ زمانی هزینه‌بر هستند، تلاش‌ها را به سمت استفاده از سنسورهای نرم‌افزای برای پیشبینی بهنگام BOD5 سوق داده است. هدف اصلی مقاله مذکور نیز توسعة سنسور نرم‌افزاری مناسب بر مبنای مدل‌های هوشمند شبکة عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) برای تخمین بهنگام BOD5 در رودخانة س...
full textبررسی دستکاری قیمت¬ها در بورس اوراق بهادار تهران با استفاده از مدل ماشین بردار پشتیبان
دستکاری قیمتها، از جمله عواملی است که موجب بی‌اعتمادی سرمایه‌گذاران به بازار سهام شده و مانع رشد و شکوفایی آن می‌شود. هدف اصلی این پژوهش پیشبینی دستکاری قیمتها با استفاده از مدل ماشین بردار پشتیبان است. این مدل جهت طبقه‌بندی و تفکیک گروهها بهکار می‌رود و دادههای مورد بررسی آن باید خطی باشند. هر چند که دادههای مورد استفاده در پژوهش خطی نبودند ولی با استفاده از روش آماری تجزیه و تحلیل اجزا...
full textپیشبینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)
مدل‌های داده محور از جمله ابزارهایی هستند که به منظور شبیه‌سازی در علوم مختلف استفاده می‌شوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدل‌ها با شبیه‌سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه‌های آبخیز بدون ایستگاه اندازه‌گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می‌کنند. هدف ا...
full textMy Resources
Save resource for easier access later
Journal title:
سلامت و محیط زیستجلد ۶، شماره ۱، صفحات ۱-۱۰
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023