مقایسه کارایی مدلهای شبکه عصبی مصنوعی و رگرسیون خطی در پیش بینی غلظت روزانه منواکسیدکربن بر اساس پارامترهای هواشناسی
- سال انتشار: 1391
- محل انتشار: همایش ملی جریان و آلودگی هوا
- کد COI اختصاصی: AFP01_069
- زبان مقاله: فارسی
- تعداد مشاهده: 1662
نویسندگان
دانشجوی کارشناسی ارشد عمران- محیط زیست دانشگاه فردوسی مشهد
دانشیار دانشکده مهندسی دانشگاه فردوسی مشهد
دانشیار دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد
چکیده
یکی از مشکلات زیست محیطی بسیاری از شهرهای بزرگ از جمله کلان شهر مشهد، آلودگی هوا و تولید حجم زیادی از آلایندههای مختلف از جمله منواکسیدکربن میباشد. در این تحقیق با استفاده از دو روش رگرسیونخطی و شبکه عصبی مصنوعی، میانگین غلظت روزانه منواکسیدکربن در شهر مشهد بر اساس پارامترهای هواشناسی مورد تجزیه و تحلیل و پیشبینی قرار گرفت. نتایج حاصل از اجرای دو مدل فوق نشان داد که مدلشبکه عصبی مصنوعی توانایی بیشتری را نسبت به روش رگرسیون خطی در پیشبینی غلظت منواکسیدکربن دارد. بهطوریکه ضریب همبستگیR)و میانگین مجموع مربعات خطاRMSE) در شبکه عصبی به ترتیب برابر0/81و0/069و برای مدل رگرسیونی به ترتیب 0/61و0/1 بدست آمد براساس نتایج حاصل از این تحقیق، مهمترین عوامل هواشناسی موثر بر غلظت منواکسیدکربن در شهر مشهد به ترتیب سرعت باد، دمای هوا، تشعشع و رطوبت نسبی میباشندکلیدواژه ها
آلودگی هوا - منواکسیدکربن - شبکه عصبی- رگرسیون خطیمقالات مرتبط جدید
- استفاده از مواد سازگار با محیط زیست در صنعت ساختمان بتن سبز و بازیافتی رویکردی موثر در توسعه پایدار
- بررسی جایگاه مناطق حفاظت شده ایران و نقش مشارکت های مردمی در حفاظت از مناطق
- مروری بر مقایسه اثر سمیت نانوذرات فلزی مختلف، روی آبشش ماهی ها
- مطالعه مدیریت ازن و عوامل آلودگی محیط زیست
- پارامترهای محیط زیستی یا فعالیت های انسانی کدام یک بیشترین تاثیر را بر غلظت متان اتمسفری ایران دارند؟
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.