آنالیز حساسیت پارامترهای موثر بر غلظت ازن با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 136

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJHE-6-1_002

تاریخ نمایه سازی: 9 آذر 1400

چکیده مقاله:

--> زمینه و هدف: آلودگی هوا ناشی از ازن در کلان شهرها از مهم ترین عوامل آلوده کننده هاست که موجب آسیب به محیط زیست و موجودات زنده می گردد، این تحقیق سعی دارد مدلی برای تخمین میزان ازن کلان شهر تبریز در دو ایستگاه پایش آلودگی آبرسان و راسته کوچه ارایه نماید. روش بررسی: در این تحقیق شبکه عصبی مصنوعی برای در نظر گرفتن تاثیر همزمان پارامترهای هواشناسی و آلودگی هوا بر میزان غلظت ازن، مورد استفاده قرار گرفته است و از ماتریس وزنی شبکه عصبی مصنوعی به همراه معادله گارسون برای آنالیز حساسیت پارامترهای ورودی به شبکه عصبی استفاده شده است. یافته ها: نتایج نشان می دهد میزان غلظت ازن از خصوصیات هواشناسی و نیز پارامترهای آلودگی هوا به طور همزمان تاثیر گرفته است، که از میان پارامترهای هواشناسی حداکثر دما و از میان پارامترهای آلودگی منواکسید کربن به عنوان پارامترهای تاثیرگذار است. نتیجه گیری: نتایج حاصل حاکی از توانمندی قابل قبول مدل شبکه عصبی در پیش بینی میزان غلظت ازن است. علاوه بر آن، متغیرهای مورد استفاده در این مدل توانسته است، نحوه تغییرات میزان غلظت ازن ایستگاه های مورد بررسی در منطقه را تشخیص دهند. /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal" mso-tstyle-rowband-size:۰ mso-tstyle-colband-size:۰ mso-style-noshow:yes mso-style-priority:۹۹ mso-style-qformat:yes mso-style-parent:"" mso-padding-alt:۰cm ۵.۴pt ۰cm ۵.۴pt mso-para-margin:۰cm mso-para-margin-bottom:.۰۰۰۱pt mso-pagination:widow-orphan font-size:۱۱.۰pt font-family:"Calibri","sans-serif" mso-ascii-font-family:Calibri mso-ascii-theme-font:minor-latin mso-fareast-font-family:"Times New Roman" mso-fareast-theme-font:minor-fareast mso-hansi-font-family:Calibri mso-hansi-theme-font:minor-latin mso-bidi-font-family:Arial mso-bidi-theme-font:minor-bidi}

نویسندگان

محمدعلی قربانی

دانشکده کشاورزی دانشگاه تبریز

لیلا نقی پور

دانشکده مهندسی دانشگاه تبریز

وحید کریمی

دانشکده کشاورزی دانشگاه تبریز

رضا فرهودی

دانشکده کشاورزی دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Zoqi MJ, Ghavidel A. Neural network modeling and prediction of ...
  • Comrie AC. Comparing neural networks and regression models for ozone ...
  • ۱۹۹۷;۴۷(۶):۶۵۳-۶۳ ...
  • Lu HC, Hsieh JC, Chang TS. Prediction of daily maximum ...
  • Paoli C, Notton G, Nivet ML, Padovani M, Savelli JL. ...
  • Pastor-Bárcenas O, Soria-Olivas E, Martín- Guerrero JD, Camps-Valls G, Carrasco- ...
  • Hrust L, Klaić Z. B, Križan J, Antonić O, Hercog ...
  • Sadr Mousavi MS, Rahimi A. The application of artificial neural ...
  • Sadr Mousavi MS, Rahimi A. The comparison of the Multi-layer ...
  • Seghatoleslami N, Mousavi SM, Aalami M. Modeling and the estimation ...
  • Khanna T. Foundation of Neural Networks. New York: Addison-Wesley; ۱۹۹۰ ...
  • Dayhoff JE. Neural Network Principles. New York: Prentice-Hall International; ۱۹۹۰ ...
  • Garson GD. Interpreting neural-network connection weights. Artificial Intelligence Expert. ۱۹۹۱;۶(۴):۴۶-۵۱ ...
  • Willmott CJ. On the validation of models. Physical Geography. ۱۹۸۱;۲(۲):۱۸۴-۹۴ ...
  • Ghanbari M, Nadafi K, Mosaferi M, Yunesian M, Aslani H. ...
  • Zoqi MJ, Ghavidel A. Neural network modeling and prediction of ...
  • Comrie AC. Comparing neural networks and regression models for ozone ...
  • ۱۹۹۷;۴۷(۶):۶۵۳-۶۳ ...
  • Lu HC, Hsieh JC, Chang TS. Prediction of daily maximum ...
  • Paoli C, Notton G, Nivet ML, Padovani M, Savelli JL. ...
  • Pastor-Bárcenas O, Soria-Olivas E, Martín- Guerrero JD, Camps-Valls G, Carrasco- ...
  • Hrust L, Klaić Z. B, Križan J, Antonić O, Hercog ...
  • Sadr Mousavi MS, Rahimi A. The application of artificial neural ...
  • Sadr Mousavi MS, Rahimi A. The comparison of the Multi-layer ...
  • Seghatoleslami N, Mousavi SM, Aalami M. Modeling and the estimation ...
  • Khanna T. Foundation of Neural Networks. New York: Addison-Wesley; ۱۹۹۰ ...
  • Dayhoff JE. Neural Network Principles. New York: Prentice-Hall International; ۱۹۹۰ ...
  • Garson GD. Interpreting neural-network connection weights. Artificial Intelligence Expert. ۱۹۹۱;۶(۴):۴۶-۵۱ ...
  • Willmott CJ. On the validation of models. Physical Geography. ۱۹۸۱;۲(۲):۱۸۴-۹۴ ...
  • Ghanbari M, Nadafi K, Mosaferi M, Yunesian M, Aslani H. ...
  • نمایش کامل مراجع