پیش بینی غلظت آلاینده نیتروژن دی اکسید در کلان شهر تهران با استفاده از شبکه های عصبی
- سال انتشار: 1401
- محل انتشار: اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
- کد COI اختصاصی: CEITCONF06_048
- زبان مقاله: فارسی
- تعداد مشاهده: 332
نویسندگان
دانشجوی کارشناسی ارشد، گروه (بخش) مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاهشهید باهنر کرمان، کرمان
استادیار، گروه (بخش) مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان
چکیده
امروزه اهمیت آلودگی هوا و خسارات آن بر سلامتی انسان ها، سایر موجودات و محیط زیست بر کسی پوشیده نیست. بر اساس آمار ارائه شده توسط سازمان بهداشت جهانی، آلودگی هوا به میزان خطرناکی در بسیاری از مناطق بالا میباشد به طوری که از هر ۱۰ نفر در جهان، ۹ نفر هوایی با سطوح آلودگی بالاتر از حدود مجاز تعیین شده توسط این سازمان، تنفس می کنند و نیز سالانه در حدود ۷ میلیون نفر در اثر مواجهه با آلودگی هوا جان خود را از دست می دهند. یکی از آلاینده های معیاری که اثرات مخرب زیادی بر سلامت و سیستم تنفسی داشته و می تواند مرگ زودرس را نیز به همراه داشته باشد، آلاینده نیتروژن دی اکسید است. ایستگاه های سنجش کیفیت هوا به صورت روزانه پارامترهایمربوط به کیفیت هوا را اندازه گیری میکنند اما در هر ایستگاه ممکن است به دلایل مختلفی مانند عوامل محیطی، نقص عملکردی دستگاه و یاقرار داشتن آن در فاز کالیبراسیون، در بازه های زمانی خاصی دیتای مورد نیاز تولید نشود و یا به عبارتی مقادیر از دست رفته ایجاد شود که لازم است به شکل مناسب تخمین زده شوند. در این تحقیق ما قصد داریم با استفاده از داده های ایستگاه های سنجش زمینی در شهر تهران و آموزش شبکه عصبی عمیق LSTM ، یک مدل پیش بینی آلودگی هوا بر اساس میزان نیتروژن دی اکسید (در شهر تهران) روزهای قبل ایجاد کنیم که بتوان از آن برای تخمین مقادیر از دست رفته استفاده کرد. نتایج حاصل از ارزیابی نشان داد که این مدل کارایی بالایی در تخمینمیزان آلودگی بر اساس آلودگی روزهای قبل داردکلیدواژه ها
پیش بینی آلودگی هوا، شبکه عصبی LSTM، آلاینده نیتروژن دی اکسیدمقالات مرتبط جدید
- تشخیص لینک مخرب با استفاده از TF-IDF و رگرسیون لجستیک
- چالشها و راهکارهای امنیتی در شبکه های بدون سرور با استفاده از فناوری بلاکچین
- Exploring Frameworks of Information Behavior and Informal Learning: A Narrative Review Across Leisure, Equity, AI, and Cross-Cultural Contexts
- Self-Directed Language Learning and Information Behavior in Leisure Time: An International Comparative Study of Duolingo Use Among Iranian and Canadian EFL Learners
- ارائه یک سیستم توصیه گر مبتنی بر پیشنهاد محصول به مشتری در فروشگاه های اینترنتی با یادگیری ماشین
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.