توسعه مدل پیش‌بینی غلظت ازن در هوا با استفاده از شبکه عصبی مصنوعی

Authors

Abstract:

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 متغیرهای هواشناسی شامل رطوبت‌نسبی، دما، فشار، سرعت و جهت باد با غلظت ازن به کمک همبستگی خطی و تحلیل مؤلفه‌های اصلی تحلیل شد. مطالعه همبستگی بین متغیر‌های مختلف هواشناسی با غلظت ازن نشان داد که غلظت ازن تحت تأثیر پارامترهای رطوبت نسبی، دما و سرعت باد است. تأثیر پارامترهای رطوبت نسبی و دما را می‌توان با توجه به عملکرد فتوشیمیایی و نقش این فرآیند در تولید ازن توصیف کرد. در حالی که همبستگی ازن با پارامتر سرعت باد نشان‌دهنده انتقال ازن از مناطق دیگر است. در ادامه سعی شد از یک شبکه عصبی پرسپترون چندلایه جهت پیش‌بینی غلظت ازن استفاده شود. ورودی های این شبکه عبارتند از رطوبت نسبی، دما و سرعت باد که قبلآً تأثیر آنها بر غلظت ازن اثبات شده است. نتایج اجرای شبکه عصبی توسعه داده شده در ایستگاه‌های میدان آزادی و امام خمینی در تهران نشان داد که مدل طراحی شده میزان غلظت ازن را با دقت 67 تا 97 درصد در 24 ساعت آینده تخمین می زند. نتایج این تحقیق و مدل توسعه داده شده می‌تواند برای مدیریت بهتر آلودگی هوا و کنترل غلظت ازن توسط مدیران شهری مورد استفاده قرار گیرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

آنالیز 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 text

عملکرد شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در برآورد غلظت ازن در شهر تهران

در سال‌های 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 می‌شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده‌هابه 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 ...

full text

عملکرد شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در برآورد غلظت ازن در شهر تهران

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 پ...

full text

پیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی

پیش‌بینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیش‌بینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزه­ای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیش‌بینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیش‌بینی زمان رخداد زلزله‌های آتی مورد تأیید ق...

full text

بررسی و مدل سازی اثر آلودگی هوا بر سلامت، با استفاده از شبکه عصبی مصنوعی

مقدمه و اهداف: امروزه، بحران ناشی از مصرف بی رویه مواد و انرژی و افزایش آلودگی های محیط زیست، از جمله چالش های که پیش روی بشر است. توجه به توسعه پایدار، به گونه ای که کمترین آسیب به محیط زیست و سلامت افراد جامعه را به همراه داشته باشد، راهکاری اجتناب ناپذیر برای پشت سر گذاشتن این بحران است. رشد اقتصادی با افزایش تقاضای انرژی همراه است و زمینه ارتقای سلامت را فراهم می آورد، اما در صورت سیاست گذا...

full text

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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 69  issue 1

pages  47- 60

publication date 2016-05-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023