پیش بینی غلظت بنزن هوای شهر تهران با استفاده از شبکه عصبی مصنوعی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 729
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCER01_022
تاریخ نمایه سازی: 25 اسفند 1392
چکیده مقاله:
تا کنون مدلهای زیادی برای تشریح فرآیند پیچیده آلودگی هوا پیشنهاد شده است. یکی از روشهای نوین در تشریح فرآیند آلودگی هوا شبکه های عصبی مصنوعی می باشد. این روش که یکی از شاخه های هوش مصنوعی به شمار می آید، به دلیل ساختار ریاضی غیرخطی و نیز پیش بینی قابل قبول در میان محققین رواج یافته است. این مطالعه به مقایسه نتایج حاصل از دو مدل متفاوت از شبکه های عصبی مصنوعی یعنی Radian Bases Function (RBF) و (Multi Layer Perceptron (MLP) در پیش بینی غلظت بنزن هوای شهر تهران با استفاده از داده های درجه حرارت ساعتی، سرعت باد و درصد رطوبت پرداخته است. پس از تعیین بهترین معماری در هر دو شبکه، مشاهده شد که نتایج حاصل از شبکه عصبی RBF از دقت قابل قبول تری نسبت به شبکه عصبی MLP برخوردار است. بدین ترتیب که در شبکه عصبی RBF ضریب همبستگی بین داده های پیش بینی و واقعی، 0.9077 و در شبکه عصبی MLP ضریب همبستگی 0.868 بدست آمد. در انتها نیز بین داده های ورودی تحلیل حساسیت صورت گرفت که مشخص گردید، درجه حرارت ساعتی بیشترین تاثیر را در بین سه پارامتر مذکور پیش بینی غلظت بنزن دارد.
کلیدواژه ها:
نویسندگان
مهدی مهدی نژاد
دانشجوی کارشناسی ارشد عمران، محیط زیست
غلامرضا اسداله فردی
دانشیار و عضو هیات علمی دانشگاه خوارزمی
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 :