پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی
Authors
abstract
زمینه و هدف: شاخص کیفیت هوا (air quality index-aqi) ارتباط کیفیت هوا را با سطوح سلامتی به صورت کمی بیان می کند. با استفاده از مدل شبکه عصبی مقدار aqi برای یک روز بعد بر مبنای متغیرهای هواشناسی و خودهمبستگی شاخص، برای شهر کرمانشاه پیش بینی شد. روش کار: بعد از آماده سازی داده های آلاینده های معیار و متغیرهای هواشناسی سال های 91-1389، تاخیرهای زمانی یک روز قبل و بعد متغیرها ایجاد شد. مقدار شاخص یک روز بعد به عنوان متغیر وابسته و سایر متغیرها به عنوان ورودی مدل استفاده گردید. عملکرد مدل با استفاده از ضریب همبستگی (r)، ضریب تبیین (r2) و ریشه میانگین مربع خطا ارزیابی شد. تحلیل حساسیت مدل بررسی و مهمترین متغیرهای موثر برای پیش بینی aqi شناسایی گردید. یافته ها: مقدار r مراحل آموزش، اعتبارسنجی و آزمون مدل بالاتر از 75/0 تعیین و r2 مرحله آزمون برابر 6/0 تعیین شد. در بین متغیرهای هواشناسی، میزان دید افقی و میزان بارندگی تاثیر بیشتری بر مقدار شاخص داشتند به نحوی که بارندگی در یک روز قبل به طور معناداری باعث کاهش مقدار aqi روز بعد خواهد شد. همچنین بین میزان دید افقی و aqi ارتباط معکوس مشخص گردید. نتیجه گیری: مدل پیشنهادی می تواند برای پیش بینی مقدار شاخص aqi شهر کرمانشاه مورد استفاده قرار گیرد. با توجه به مسئله آلودگی هوا و خصوصاً مشکل ریزگردها، چنانچه چنین مدلی به صورت دینامیک استفاده شود نقش آن در اعلان وضعیت هوا ملموس تر خواهد شد. پیشنهاد می گردد پیش بینی شاخص aqi در قالب یک مدل با قابلیت به روز شدن برای این استان در مطالعات بعد انجام گردد.
similar resources
پیشبینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه‌های خودهمبسته با استفاده از شبکه عصبی مصنوعی
Background: Air Quality Index (AQI) quantifies the relationship between air quality and the level of health. The value of AQI may be predicted using neural network model for a day in advance, based on the meteorological variables and autocorrelation behavior of the index in Kermanshah, a city in western Iran. Methods: Data for air pollution and meteorological variables, collected during thre...
full textکاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی
برآورد دقیق تبخیر- تعرق در اعمال مدیریت بهینۀ منابع آب، ضروری است. تبخیر - تعرق مؤلفه مهمی در توازن آب در مناطق مختلف به شمار می‌رود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول می‌رسد، قادر به محاسبه مهمترین جز آب در سیکل هیدرولوژیک یعنی تبخیر - تعرق خواهند بود. در مطالعه حاضر تبخیر– تعرق روزانه دشت ارومیه با استفاده از داده‌های هواشناسی طی دوره آماری 1390 – 1363 به روش فائو...
full textپیش بینی دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی
توجه علمی به مخاطرات محیطی که آسیب پذیری بسیاری از کشورهای دنیا را به دنبال دارد، آغازی نسبتاً تازه دارد. یکی از این خطرها یخبندانها می باشند که سبب زیانهای عظیمی در زمینه های کشاورزی، حمل و نقل، انرژی ، زیست محیطی و غیره شده است. جهت جلوگیری از خطرات ناشی از آنها استفاده از روشهای پیش بینی امکان پیش آگاهی از حداقل دما و رخداد پدیده یخبندان را فراهم ساخته تا مسئولان در جهت جلوگیری از آن...
full textپیش بینی غلظت آلاینده های هوای تهران بر اساس متغیرهای هواشناسی با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی در فصول گرم و سرد
تهران آلوده‌ترین شهر کشور محسوب می‌شود که این آلودگی می‌تواند آثار دراز مدت و کوتاه مدتی بر سلامت انسان داشته باشد. از این‌رو پیشبینی غلظت آلاینده‌ها می‌تواند در برنامه‌ریزی‌های پیشگیری و کنترل مفید واقع شود. روشهای متفاوتی برای پیشبینی وجود دارد و دراین میان سالها، روشهای شبکه‌ی عصبی پیشرفت قابل توجهی در پیشبینی آلودگی هوا داشته است. در این مطالعه، از شبکه‌ی عصبی مصنوعی پرسپترون سه‌لایه به...
full textمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
full textپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...
full textMy Resources
Save resource for easier access later
Journal title:
مجله علوم پزشکی رازیجلد ۲۲، شماره ۱۳۷، صفحات ۳۱-۴۳
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023