پیش بینی کیفیت هوا با استفاده از شبکه عصبی کانولوشن برای توسعه پایدار در محیط های شهری

گسترش فناوری مبتنی بر IT به طور گستردهای تمام عصرهای حوزههای کاربردی را جمع آوری و ارتقاء داده است تا تحول پایدار را حفظ کند. در واقع ، فناوری در حال تکامل ، دامنه خود را برای محیط زیست پایدار با استفاده از پیشرفت های فناوری متنوع و استفاده از مدلسازی پیش بینی آینده گسترش داده است . علاوه بر این ، شهرهای هوشمند بر مبنای مفهوم اولویت بندی هدف توسعه ای که در میان تمام ملت ها بحث شده است ، استوار هستند، اهمیت مناطق پایدار بر روی هوا، آب و انرژی متمرکز است . بنابراین ، مطالعه فعلی رویکرد به طور خاص بر روی آلایندههای جوی که به دلیل انتشار صنعتی یا حمل ونقل با قدرت بالا ایجاد می شوند، تکیه دارد. هدف از این مطالعه ، استفاده از مدل CNN بر روی مجموعه دادههای کیفیت هوا برای شناسایی الگوها برای مدلسازی پیش بینی آینده بود. مطالعه پیشنهادی ، در دو فاز اجرا شده است که فاز اول بر روی پیش پردازش و تحلیل دادهها تمرکز دارد، در حالی که فاز دوم برای آزمایش دقت مدل استفاده می شود که در آن دادهها بر اساس مدلهای دقیق طبقه بندی شده اند. کل مدل با استفاده از زبان برنامه نویسی و اسکریپت نویسی پایتون پیادهسازی شده است . علاوه بر این ، تحلیل نتایج جامع اجرا و جمع آوری شده اند تا بالاترین سطح CO ، ۲SO و ۲NO در پنج سال گذشته در میان شهرهای مختلف هند از ۲۰۱۵ تا ۲۰۲۰ کشف شود. شهرهایی که بالاترین سطح آلایندههای هوا و اثرات PM۲.۵و PM۱۰ را بر کل شهرها دارند. با این حال، دقت مدل برای تعیین کاربردپذیری الگوریتم اندازه گیری شده است .

کلیدواژه ها:

محیط زیست ، توسعه پایدار ، برنامه ریزی ، شبکه عصبی