ارزیابی قابلیت ماشین بردار پشتیبان در پیش بینی مونوکسید کربن
محل انتشار: مجله مهندسی عمران مدرس، دوره: 17، شماره: 3
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 71
فایل این مقاله در 8 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_MCEJ-17-3_017
تاریخ نمایه سازی: 6 اسفند 1403
چکیده مقاله:
چکیده- عدم قطعیت موجود در مطالعات مدل سازی آلودگی هوا، نتایج شبیه سازی را به شدت تحت تاثیر قرار می دهد. در این راستا تعیین عدم قطعیت مدل های پیش بینی کیفی هوا، به دلیل تاثیرگذاری بر سلامت افراد در معرض آلودگی، از اهمیت ویژه ای برخوردار است. بنابراین در این تحقیق اقدام به تعیین عدم قطعیت ماشین بردار پشتیبان (SVM) برای تخمین مونوکسید کربن (CO) در ایستگاه پایش قلهک، در شمال تهران، شده است. برای تعیین عدم قطعیت مدل SVM، با تغییر الگوهای انتخابی برای کالیبراسیون، به دفعات زیاد واسنجی مدل انجام شد. این امر با خروجی های مختلف در هر مرحله، به دلیل حساسیت مدل به الگوهای واسنجی انتخابی، همراه بود. سپس با استفاده از فاکتور عرض باند (d-factor) و درصد داده های اندازه گیری قرار گرفته در باند ۹۵ درصد عدم قطعیت مدل (۹۵PPU)، عملکرد SVM در فرآیند پیش بینی CO مورد ارزیابی قرار گرفت. نتایج این تحقیق بیانگر عملکرد مناسب مدل SVM در پیش بینی غلظت روزانه CO در شهر تهران بود به گونه ای که از ضریب تعیین (R۲) معادل ۸۹/۰ و ۸۸/۰ به ترتیب در مراحل کالیبراسیون و صحت سنجی برخوردار بود. همچنین یافته های تحلیل عدم قطعیت مدل SVM مشخص نمود که مقدار d-factor و درصد داده های اندازه گیری محصور شده توسط ۹۵PPU برای این مدل در مرحله صحت سنجی به ترتیب معادل ۷۴/۰ و ۷۶ درصد می باشد. بر اساس شاخص های آماری d-factor و ۹۵PPU، عدم قطعیت مدل SVM برای پیش بینی غلظت روزانه CO در تهران قابل قبول بوده به نحوی که این مدل از عدم قطعیت اندکی در پیش بینی این شاخص کیفیت هوا در شهر تهران برخوردار بود.
کلیدواژه ها:
نویسندگان
روح اله نوری
دانشگاه تهران
صابر معظمی
دانشگاه آزاد اسلامی واحد اسلامشهر
محمد سلیمیان
دانشگاه تهران
محمودرضا مومنی
دانشگاه تهران
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 :