پیش‌بینی غلظت آلاینده منوکسیدکربن در کلان‌شهر تهران با استفاده از شبکه‌های عصبی مصنوعی

Authors

حمیدرضا جدی کارشناس ارشد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران.

رحیم ‌علی عباسپور استادیار، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران.

سیدکاظم علوی‌پناه استاد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران.

مینا خالصیان دکترای GIS، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران.

Abstract:

زمینه و هدف:. راهکارهای متعددی برای کنترل آلودگی هوا وجود دارد که یکی از آن‌ها پیشبینی میزان آن است. هدف از این تحقیق ارایه یک مدل شبکه عصبی مصنوعی با ساختار چندلایه، برای آلاینده CO در شهر تهران برای پیشبینی 24ساعت آینده آن میباشد. روش بررسی: از مشخصههای سرعت باد، جهت باد، دما، رطوبت نسبی و فشار هوا به عنوان دادههای هواشناسی و از غلظت منوکسیدکربن به عنوان پارامتر آلودگی هوا به منظور پیشبینی مقدار آلایندهCO در روز آتی (24 ساعت آینده) استفاده شد. جهت حذف نویز دادهها، در مرحله پیشپردازش دادهها، از دو روش تبدیل موجک و تعیین حد آستانه به کمک توزیع نرمال استفاده گردید. یافته‌ها: نتایج حاصل از شاخصهای آماری ضریب همبستگی، شاخص توافق، دقت پیشبینی و جذر میانگین مربعات خطا برای مدل1 با دادههای تکراری به ترتیب 9012/0، 915/0، 848/0 و 1012/0 و برای مدل2 با دادههای تکراری به ترتیب9572/0، 978/0، 963/0 و 0385/0 میباشد. نتیجه گیری: نتایج حاصل نشان میدهد توافق خوبی بین دادههای اصلی و دادههای پیشبینی شده توسط مدلها وجود دارد و مدلهای ارایه شده در پیشبینی آلودگی هوا از قابلیت بالایی برخوردارند.

Upgrade to premium to download articles

Already have an account?login

similar resources

پیش بینی میزان غلظت آلاینده های هوای تهران با استفاده از شبکه عصبی مصنوعی

در این تحقیق شبکه عصبی مصنوعی جهت برآورد و پیش بینی غلظت گازهای آلاینده هوا به کار رفته است.با توجه به خطر آلودگی هوا در شهر تهران و ایجاد مشکلات زیست محیطی و بیماری های خطرناک تنفسی و پوستی به ویژه برای کودکان و سالمندان و نیاز شدید به کنترل آن ، این تحقیق در جهت برنامه ریزی و کنترل این مشکل در تهران و همچنین شهرهای بزرگ دیگر انجام گرفته است. برای این منظور از آمار غلظت گازهای آلاینده هوای ثبت...

full text

بررسی و پیشبینی مدول یانگ در نانولولههای کربنی تک لایه با بهکارگیری شبکههای عصبی مصنوعی

full text

پیش بینی میزان غلظت آلاینده های هوای تهران با استفاده از شبکه عصبی مصنوعی

full text

پیش بینی عملکرد ذرت علوفهای با استفاده از شبکههای عصبی مصنوعی

full text

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

پیش 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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

علوم و تکنولوژی محیط زیست

volume 19 issue (ویژه نامه شماره 5)

pages 13- 25

publication date 2017-08-23

unfollow

{@ msg @}

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

Keywords

پیش بینی آلودگی هوا شبکه عصبی مصنوعی آلاینده منواکسیدکربن

Hosted on Doprax cloud platform doprax.com