بررسی عمل کرد الگوریتم های مبتنی بر یادگیری ماشین و یادگیری عمیق، در تخمین غلظت ذرات PM۲.۵ با استفاده از محصولات مختلف عمق نوری آئروسل
- سال انتشار: 1401
- محل انتشار: هشتمین کنفرانس بین المللی مطالعات نوین مهندسی عمران، معماری، شهرسازی و محیط زیست در قرن ۲۱
- کد COI اختصاصی: CMUECONF08_035
- زبان مقاله: فارسی
- تعداد مشاهده: 331
نویسندگان
اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل
اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل
اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل
چکیده
آلودگی هوا در ردیف یکی از زیا نبارترین بلایای طبیعی قرار گرفته است. ذرات معلق درهوا با قطر کمتر از ۲.۵میکرومتر (PM۲.۵) یکی از خطرنا کترین و مضرترین نوع ذرات در میان آلاینده های مختلف هوا برای سلامتی انسان هستند. یکی از تکنیک های تخمین PM۲.۵ استفاده از محصولات ماهواره ایی عمق نوری آئروسل (AOD) می باشد . این تحقیق به انجام آزمایش بر روی الگوریت مهای مختلف یادگیری ماشین و بررسی عملکرد آ نها درتخمین PM۲.۵ از روی داده های AOD سنجنده های MODIS و VIIRS و داده های هواشناسی می پردازد. نتایج حاکی از آن است که الگوریتم XGBooST بهترین عملکرد را برای تخمین رابطه ی AOD و RM۲.۵ از خود نشان می دهد. دقت این الگوریتم برای بهترین محصول AOD به R(۲)=۰.۸۱ رسید.کلیدواژه ها
عمق نوری آئروسل، یادگیری ماشین، PM۲.۵ ،VIIRS ،MODISمقالات مرتبط جدید
- تحلیل آیندهنگر مداخلات شهری مبتنی بر طراحی پایدار در کاهش مصرف منابع و ارتقای تابآوری بافت های فرسوده شهری
- تحلیل فضایی و ارزیابی تاب آوری بافت تاریخی یزد در برابر بحرانهای طبیعی (سیل)
- تحلیل تاثیر استراتژی های شفافیت بر روی کاهش فساد
- گفتمان نظریه برساخت و نظریه هویت شناسی حکمرانی یکپارچه شهری و روستایی
- بررسی جایگاه شاخص های شهرسازی ایرانی - اسلامی در قوانین و مقررات و برنامه های توسعه شهری کشور
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.