ارائه یک مدل ترکیبی شبکه عصبی عمیق پیش بینی آلودگی هوا چند متغیریمبتنی بر داده های هواشناسی
- سال انتشار: 1402
- محل انتشار: اولین کنفرانس ملی پژوهش و نوآوری در هوش مصنوعی
- کد COI اختصاصی: CRIAL01_092
- زبان مقاله: فارسی
- تعداد مشاهده: 337
نویسندگان
دانشجوی دکتری ، گروه برق ، دانشگاه آزاد اسلامی واحد اصفهان، اصفهان
استادیار، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات ، تهران
چکیده
در سالهای اخیر، با توسعه سریع اقتصاد و صنعتی شدن اغلب کشورها، مشکل آلودگی محیط زیست بسیار جدی شده و در این میان، آلودگی هوا به طور خاص قابل توجه است. پیشرفت همزمان اقتصاد و صنعت، یکی از اصلی ترین عوامل افزایش خطرناک آلودگی هواست که با هدف پیش بینی کیفیت هوا و غلظت آلاینده ها، مطالعات زیادی انجام گرفته است. نتایج برخی از این تحقیقات نشان می دهد که یادگیری تجمعی در مقایسه با روش های منفرد می تواند عملکرد پیش بینی را در بسیاری از حوزه ها بهبود بخشد. از این رو، در این مقاله، یک مدل عمیق تجمعی در یک معماری جهت دار غیرمدور، مبتنی بر شبکه های عصبی بازگشتی، با سه واحد پنهانGRU ،LSTM وBiLSTM ارائه شده است؛ که هدف آن پیش بینی وضعیت آلاینده ذرات معلق PM۲.۵ در بیست و چهار ساعت آینده است. مدل چند متغیره ی پیشنهاد شده، مبتنی بر داده های هواشناسی و داده های آلودگی هوا ارائه شده است. نتایج تجربی در داده های هواشناسی پکن نشان می دهد، این مدل توانسته در پیش بینی بیست و چهار ساعت آینده، به طور میانگین با واحدهای پنهان LSTM و GRU به ترتیب به جذر میانگین مربعات خطا ۷.۱۶ و ۱۲.۵۳ دست یابدکلیدواژه ها
پیش بینی آلودگی هوا، شبکه عمیق بازگشتی، آلاینده ذرات معلق PM۲.۵ یادگیری عمیق تجمعی بازگشتی .مقالات مرتبط جدید
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.