ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مدل سازی و پیش بینی وضعیت آلاینده های هوای شهر تهران

سال انتشار: 1392
کد COI مقاله: CANPM02_004
زبان مقاله: فارسیمشاهد این مقاله: 981
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدل سازی و پیش بینی وضعیت آلاینده های هوای شهر تهران

حمید آماده - عضو هیات علمی دانشکده اقتصاد
رضا اخباری - دانشجوی کارشناسی ارشد دانشکده اقتصاد

چکیده مقاله:

توسعه شهرنشینی ازجمله ویژگیهای اجتناب ناپذیرجوامع امروزی و بخصوص درکشورهای درحال توسعه است که به دنبال خود تقاضای کالاهای مصرفی رابهطور نمایی افزایش میدهد علاوه برالاینده هایی که طی فرایند تولید تا مصرف به ترتیب توسط کارخانجات و مصرف کننده وارد محیط زیست میشود خودروها نیز درجوامع شهری ازجمله تولید کننده های اصلی الودگی به شمار میایند درصورتی که بتوان الگویی قابل اطمینان برای پیش بینی وضعیت اتی الاینده ای موجود درهوای شهر ارایه داد میتوان با نشاخت دقیقتری که ازروندن آینده آنها بدست می اید راهکارهایی مناسب برای قمابله با هریک ازاین الاینده ها طراحی نمودبطوریکه ازکارایی بالایی هم برخوردار باشد وازصرف هزینههای سنگین پیشرو که درصورت عدم توجه لازم به وضع موجود بروزخ واهد کرد جلوگیری نمود دراین مقاله با استفاده ازسه الگوی ARIMA-GARCH ARFIMA، ARIMA و رویکردباکس جنکینز وضعیت آتی الاینده های PM2.5 O3، SO2، NO2، PM10 ، COدرشهرتهران پیش بینی شد ودرمورد هرالاینده بهترین مدل براساس معیارهای MAPE MAE، RMSE، MSE معرفی گردید نتایج نشان داد که فرض موجود حافظه بلندمدت پذیرفته خواهد شد ولی اینکه بهترین پیش بینی ها همواره توسط مدل ARFIMA ارایه میشود ردمیگردد

کلیدواژه ها:

پيش بيني/حافظه بلندمدت، مدل خودرگرسيوني هم انباشته كسري ARFIMA، ازمون Gph، آزمون R/s، اصلاح شده

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/236086/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
آماده، حمید و اخباری، رضا،1392،مدل سازی و پیش بینی وضعیت آلاینده های هوای شهر تهران،دومین همایش ملی مدیریت آلودگی هوا و صدا،تهران،،،https://civilica.com/doc/236086

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، آماده، حمید؛ رضا اخباری)
برای بار دوم به بعد: (1392، آماده؛ اخباری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • گزارشات ماهانه آلودگی هوا به تفکیک سال. شرکت کنترل کیفیت ...
  • پیش بینی میزان آلودگی هوای منطقه 12 تهران با استفاده از روش شبکه عصبی هوشمند [مقاله کنفرانسی]
  • بررسی وضعیت غلظت CO در شهر تهران و پیشنهاد مدل انتشار برای آن [مقاله کنفرانسی]
  • مقایسه کارائی شبکه های عصبی و رگرسیون خطی در پیش بینی غلظت آلاینده های هوا [مقاله کنفرانسی]
  • Becken S , Hay J. (2007).Turism and climate change : ...
  • Wojtylak M. , Osrodka L. , Osrodka K..The development of ...
  • Ibarra-B erastegi G. , Elias A. , Barona A. , ...
  • Pires J. C. M. , Martins F. G. , Sousa ...
  • Marzuki Ismail, Mohd Zamri Ibrahim. TG, Azmina Ibrahim and Ahmad ...
  • Kumar U..Ridder K. D. GARCH modelling in association with FFT ...
  • Siew L. Y.. Chin L. Y. and Wee P. M. ...
  • Holden D. and Perman. Unit root test and cointegration for ...
  • Box G. E. P. and Jenkins G. M. Time series ...
  • Granger C. W. J. and Joyeux R. An introduction to ...
  • Hosking J. R. M. Fractional differencing. Biometrika Vol.68 , No.1 ...
  • Baillie R. T. Long memory processes and fractional integration in ...
  • Baillie . T. and Chung S-K. Modeling and forecasting from ...
  • International Journal of Forecasting 18 (2002) 215-226 ...
  • Hurst H. E. Long-term storage capacity of reservoirs. Transactions of ...
  • Mandelbrt _ Statistical methodology for non- periodic cycles : from ...
  • analysis. Annals of economic and social measuremen. Vol.1 (1972) 259-290. ...
  • Lo A. W. Long-term memory in stock market prices. Econometrica ...
  • Peng C-K , Buldyrev S. V. , Simous M. , ...
  • Varotsos C, Kirk-Davidof D .long-memory processes in OZOne and temperature ...
  • Geweke J. and P orter-Hudak S. The estimation and application ...
  • Robinson P. M. and Henry M. Long and short in ...
  • estimating the memory parameter of levels. Econometric theory 15 (1999) ...
  • Sowell F. Maximum likelihood estimation of stationary univariate fractionally integrated ...
  • Hurst H. . A suggested statistical model of some time ...
  • Lee D. and Schmidt P. On the power of the ...
  • Schewrt G. W. Tests for unit roots : A monte ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 1 مقاله استفاده شده است.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی