توسعه الگوریتم های یادگیری ماشین جهت پیش بینی شاخص کیفیت هوای شهری (منطقه مطالعاتی: شهر تهران)
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 116
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEH-12-2_009
تاریخ نمایه سازی: 6 آبان 1402
چکیده مقاله:
با توجه به مضرات آلودگی هوا بر سلامت انسان ها و محیط، کاهش و حل این معضل براساس شناخت دقیق آلاینده ها و عوامل تاثیرگذار بر آن و مشخص نمودن پهنه های آلوده ضروری به نظر می رسد؛ بنابراین استفاده از مدل های ریاضی در قالب یادگیری ماشینی رویکردی بهینه و مقرون به صرفه برای مدل سازی آلودگی هواست. این تحقیق به لحاظ هدف کاربردی بوده و روش بررسی آن توصیفی-تحلیلی است. نوآوری تحقیق حاضر ارائه یک رویکرد ترکیبی جدید جهت تعیین معیارهای موثر در پیش بینی میزان آلودگی هوا می باشد. لذا هدف از تحقیق حاضر ارزیابی و مقایسه قابلیت دو مدل یادگیری ماشین، یعنی ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) در ترکیب با الگوریتم ژنتیک (GA) جهت پیش بینی میزان آلودگی هوا در شهرستان تهران است. داده های مورداستفاده در این تحقیق شامل ذرات معلق و آلاینده های گازی شهر تهران مرتبط با سال ۱۳۹۹ می باشد که از شرکت کنترل ترافیک شهر تهران اخذ گردیده است. به منظور تجزیه وتحلیل داده ها از نرم افزارهای Matlab و ArcMap استفاده شد. مقدار ضریب تشخیص (R۲) حاصل از روش ترکیبی RF-GA برابر ۹۹۷/۰ به دست آمد که نشاندهنده سازگاری بالای این مدل با دادههای این تحقیق است. همچنین مقدار ریشه میانگین خطای مربعات (RMSE) برابر ۱۵۳/۰ به دست آمد که نشاندهنده دقت بالای این مدل میباشد. بر اساس اطلاعات گرفته شده از شرکت کنترل ترافیک شهر تهران، نتایج حاصل از روش RF بیانگر مناسب بودن انتخاب مدل مذکور جهت برآورد میزان آلودگی هوای شهر تهران بوده است.
کلیدواژه ها:
نویسندگان
پیمان کرمی
کارشناسی ارشد، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران
سید احمد اسلامی نژاد
کارشناسی ارشد، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران
مبین افتخاری
پژوهشگر، باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران
فراز برومند
کارشناسی ارشد، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
محمد اکبری
گروه پژوهشی خشکسالی و تغییر اقلیم، دانشگاه بیرجند، بیرجند، 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 :