بهینه سازی متغیرهای هواشناسی به منظور پیش بینی غلظت الاینده های هوا به منظور کاهش هزینه و زمان محاسبات در مدل شبکه عصبی مصنوعی

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 49

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JESJ-46-1_011

تاریخ نمایه سازی: 9 آذر 1401

چکیده مقاله:

شهر کرمانشاه به دلیل وجود صنایع، ترافیک و توفان های گرد و غبار یکی از شهرهای آلوده کشور است. در این پژوهش پنج آلاینده PM۱۰، CO، O۳، NO۲، SO۲ با استفاده از شبکه عصبی پرسپترون چند لایه برای دو بازه ی زمانی امروز و فردا پیش بینی شدند. داده های مستقل شامل هفت کمیت هواشناسی دما، رطوبت نسبی، میزان دید، سرعت باد، نقطه شبنم، فشار، و بارش است. آزمون هم خطی و تکنیک انتخاب پیشرو برای حذف متغیر های ورودی اضافی و ایجاد زیر مجموعه ای از متغیرهای اثر گذار در پیش بینی استفاده شد. مدل بهینه با استفاده از شاخص هایRMSE , ,NMSE IOA, R۲ و FB برای هر آلاینده انتخاب گردید. نتایج نشان می دهد که مدل ۲ با تعداد ۶ کمیت مستقل برای پیش بینی غلظت آلاینده منوکسید کربن و دی اکسید نیتروژن مدلی بهینه است و برای پیش بینی آلاینده ازن مدل ۵ با تعداد ۳ کمیت ورودی مدل مطلوبی می باشد همچنین برای پیش بینی دی اکسید گوگرد مدل ۶ با دو متغیر ورودی و برای پیش بینی ذرات معلق (PM۱۰) مدل ۴ با ۴ متغیر ورودی مناسبترین مدل بوده اند. نتایج این پژوهش نشان می دهد که استفاده از تکنیک انتخاب پیشرو برای بهینه سازی تعداد متغیرها سبب افزایش دقت و کاهش هزینه های پیش بینی خواهد شد.

کلیدواژه ها:

آزمون هم خطی ، پیش بینی ، تکنیک انتخاب پیشرو ، شبکه عصبی پرسپترون چندلایه ، کرمانشاه

نویسندگان

افسانه قاسمی

گروه محیطزیست، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران

جمیل امان اللهی

گروه محیطزیست، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران

محمد دارند

گروه آب و هوا شناسی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران

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 :
  • الماسی، ع.، مرادی، م.، شرفی، ک. و عباسی، ش. ۱۳۹۳. ...
  • بخشی زاده، ف.، رضائیان، ه. و اکبری، م. ۱۳۹۴. مدل ...
  • جدی، ح.، عباسپور، ر.ع.، خالصیان، م. و علوی پناه، ک. ...
  • رستمی فصیح، ز.، مصداقی نیا، ع.، ندافی، ک.، نبی‎زاده نودهی، ...
  • رایگانی، ب. و خیراندیش، ز. ۱۳۹۶. بهره گیری از سری ...
  • رفیع پور گتابی، م.، آل شیخ، ع.ا.، علیمحمدی، ع. و ...
  • سلطانی گردفرامرزی، ط.، مفیدی، ع. و گندمکار، ا. ۱۳۹۴. بررسی ...
  • نصیری، ب.، زارعی چقابلکی، ز.، حلیمی، م. و رستمی فتح ...
  • Akbarzadeh, A., Vesali Naseh, M.R. and NodeFarahani, M. ۲۰۲۰. Carbon ...
  • Alexandrov, V.D., Velikov, S.K., Donev, E.H. and Ivanov, D.M. ۲۰۰۵. ...
  • Alves, L., Sperandio Nascimento, E.G. and Moreira, D.M. ۲۰۱۹. Hourly ...
  • Azid, A., Juahir, H., Latif, M.T., Zain, S.M. and Osman, ...
  • Balram, D., Lian, K.Y. and Sebastian, N. ۲۰۱۹. Air quality ...
  • Cabaneros, S.M., Hughes, B.R. and Calautit, J.K. ۲۰۱۷. Hybrid artificial ...
  • Chen, G. ۲۰۰۸. Encyclopedia of statistics in quality and reliability. ...
  • Chen, S.X., Hong, X., Harris, C.J. and Sharkey, P.M. ۲۰۰۴. ...
  • Cheng, S.Y., Li, L., Chen, D.S. and Li, J.B. ۲۰۱۲. ...
  • Cogliani, E. ۲۰۰۱. Air pollution forecast in cities by an ...
  • Coman, A., Ionescu, A. and Candau, Y. ۲۰۰۸. Hourly ozone ...
  • Dirk, V.P. and Bart. L. ۲۰۰۴. Customer attribution analysis for ...
  • Eksioglu, B., Demirer, R. and Capar, I. ۲۰۰۵. Subset selection ...
  • Famili, A., Shen, W.M., Weber, R. and Simoudis, E. ۱۹۹۷. ...
  • Gardner, M.W. and Dorling, S.R. ۱۹۹۹. Neural network modeling and ...
  • Guajardo, J., Weber, R. and Miranda, J. ۲۰۰۶. A forecating ...
  • Guyon, I. and Elisseeff, A. ۲۰۰۳. An introduction to variable ...
  • Hrust, L., Klaic, Z.B., Krizan, J., Antonic, O. and Hercog, ...
  • Khan, J.A., Aelst, S.V. and Zamar. R.H. ۲۰۰۷. Building a ...
  • Kolehmainen, M., Martikainen, H. and Ruuskanen. J. ۲۰۰۱. Neural networks ...
  • Kurt, A. and Oktay, A.B. ۲۰۱۰. Forecasting air pollutant indicator ...
  • Pastor Barsenas, B., Soria ivas, E. and Martın-Guerrero, J.D. ۲۰۰۵. ...
  • Perez, P. ۲۰۱۲. Combined model for PM۱۰ forecasting in a ...
  • Prasad, K., Gorai, A.k. and Goyal, P. ۲۰۱۶. Developmen to ...
  • Rakotomamonjy, A. ۲۰۰۲. Variable selection using SVM based criteria. Machine ...
  • Sharifi, K., Khosravi, T., Moradi, M. and Pirsaheb, M. ۲۰۱۵. ...
  • Stamenkovic, L.J., Antanasijevic, D.Z., Ristic, M.D., Peric Grujic, A.A. and ...
  • Unnikrishnan, R. and Madhu, G. ۲۰۱۹. Comparative study on the efects of meteorological ...
  • Wang, X.X., Chen, S., Lowe, D. and Harris, C.J. ۲۰۰۶. ...
  • Zinatizadeh, A.A., Zinadini, S., Pirsaheb, M., Atafar, Z., Kurdian, A.R., ...
  • Zhao, C. ۲۰۱۶. Air quality forecasting using neural networks, master’s ...
  • Zhu, Y.M., Lu, X.X. and Zhou, Y. ۲۰۰۷. Suspended sediment ...
  • نمایش کامل مراجع