پیش بینی آلودگی PM۱۰ هوای شهر مشهد با استفاده از شبکه های عصبی مصنوعی MLP و مدل زنجیره مارکف
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 199
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGSKH-17-47_003
تاریخ نمایه سازی: 18 مهر 1401
چکیده مقاله:
مدیریت ذرات معلق یکی از موارد مهم در کنترل آلودگی شهرها محسوب میشود. این ذرات باعث ایجاد و توسعه بیماری های قلبی و تنفسی مختلف در افراد میگردد. شهر مشهد به عنوان یکی از شهرهای اصلی و پرجمعیت ایران با توجه به شرایط اقلیمی و همچنین توریستی بودن، بیش از هر چیزی در معرض خطر این نوع آلودگی قرار دارد. در این تحقیق سعی شده با استفاده از مدلهای پرسپترون شبکه های عصبی مصنوعی و مدل زنجیره مارکوف غلظت PM۱۰ پیشبینی و تحلیل گردد. برای این منظور از دادههای ساعتی CO، SO۲، PM۲.۵ و دما برای دو ماه فروردین و اردیبهشت در سال ۱۳۹۴ استفاده شد. از مجموع ۱۴۸۸ سری داده، ۱۳۰۰ داده برای آموزش شبکه و ۱۸۸ داده جهت صحتسنجی استفاده گردید. نتایج نشاندهنده عملکرد مطلوب این روشها در پیشبینی میزان آلاینده و همچنین احتمال وقوع ساعات با کیفیتهای مختلف آلودگی بود. بهترین مدل پرسپترون میزان آلاینده ذرات معلق را با ضریب همبستگی ۸۸/۰، شاخص تطابق ۹۱/۰، میانگین بایاس خطای ۰۸۷۴/۰ و جذر میانگین مربعات خطای ۲۶/۲ پیشبینی نمود، همچنین مدل مارکوف با خطای مطلق متوسط حدود ۱/۰ درصد احتمالات انتقال وضعیت و تداوم وضعیتهای مختلف آلودگی هوای ناشی از ذرات معلق را پیشبینی نمود.
کلیدواژه ها:
Artificial Neural Networks ، Air pollution ، PM۱۰ ، Markov Chain ، شبکه های عصبی مصنوعی ، آلودگی هوا ، PM۱۰ ، زنجیره مارکف.
نویسندگان
غلامرضا اسدالله فردی
دانشگاه خوارزمی تهران
حسین زنگوئی
دانشگاه آزاد اسلامی واحد جنوب تهران
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 :