پیش بینی غلظت PM۲.۵ با استفاده از روش ترکیبی تجزیه ی و شبکه عصبی
محل انتشار: فصلنامه پژوهش در بهداشت محیط، دوره: 11، شماره: 1
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 8
فایل این مقاله در 15 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_JREH-11-1_006
تاریخ نمایه سازی: 21 خرداد 1404
چکیده مقاله:
زمینه و هدف: یکی از شاخص های مهم در بحث کیفیت هوا، غلظت ذرات معلق PM۲.۵ می باشد. بدین منظور در این پژوهش از مدل ترکیبی تبدیل موجک گسسته حداکثر هم پوشانی-تجزیه مد متغیر–شبکه عصبی پس انتشار (MODWT-VMD-BPNN) بر پایه تکنیک تجزیه دو مرحله ای برای پیش بینی ذرات معلق PM۲.۵ شهر ارومیه استفاده شده است. مواد و روش ها: سری داده های اصلی ذرات معلق PM۲.۵ ابتدا توسط مدل تبدیل موجک گسسته حداکثر هم پوشانی به دوسطح جزئیات با فرکانس بالا (d۱ و d۲) و یک سطح تقریب با فرکانس پایین (a۲) تجزیه و در مرحله دوم هر کدام از سطوح جزئیات و سطح تقریب توسط مدل تجزیه مد متغیر به ۸ مود متغیر تجزیه شد. سپس هر کدام از مدهای متغیر توسط شبکه عصبی پس انتشار مدلسازی و پیش بینی شدند. یافته ها: بر اساس نتایج مدل های ترکیبی (MODWT-BPNN) و (VMD- BPNN) نسبت به مدل تکی شبکه عصبی پس انتشار (BPNN) عملکرد بهتری داشته اند. و در بین مدل های ترکیبی مدل (MODWT-BPNN) به دلیل تحلیل سیگنال هایی دارای تغییرات ناگهانی و ناپیوستگی موضعی به وسیله ی موجک ها عملکرد بهتری نسبت به مدل (VMD-BPNN) دارد. مدل ترکیبی تجزیه دو مرحله ای ((MODWT-VMD-BPNN نسبت به دیگر مدل های تجزیه ای تک مرحله ای و مدل تکی شبکه عصبی پس انتشار با مقادیر معیارهای ارزیابی خطا شامل ۲/۸۵۸۲= RMSE=۳/۸۰۷۴ MAE و آماره ۰/۹۲ = R در مرحله آموزش و ۲/۱۸۴۰ = RMSE = ۲/۷۶۷۹ MAE و آماره ۰/۸۰= R در مرحله آزمون، عملکرد بهتری داشته است.نتیجه گیری: مدل های تجزیه ای دو مرحله ای با تجزیه سطح جزئیات و سطح تقریب به ۸ مود می تواند مشکل آمیختگی مدها را حل کند و پیش بینی میزان غلظت PM۲.۵ را با دقت بهتری انجام دهد لذا این مدل می تواند برای پیش بینی آلاینده های جوی به کار گرفته شود.
کلیدواژه ها:
نویسندگان
صلاح بایزیدی
دانش آموخته ی کارشناسی ارشد محیط زیست، دانشکده منابع طبیعی، دانشگاه کردستان،کردستان، ایران.
جمیل امان اللهی
دانشیار گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه کردستان، کردستان، 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 :
