Dust Level Forecasting and its Interaction with Gaseous Pollutants Using Artificial Neural Network: A Case Study for Kermanshah, Iran
- سال انتشار: 1392
- محل انتشار: فصلنامه انرژی و محیط زیست ایران (ایرانیکا)، دوره: 5، شماره: 1
- کد COI اختصاصی: JR_IJEE-5-1_008
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1077
نویسندگان
Department of Applied Chemistry,Faculty of Chemistry, Razi University, Kermanshah, Iran
Health Research Center (KHRC), Kermanshah University of Medical Science, Iran
Faculty of Chemical Engineering,Sahand University of technology, Sahand New Town, East Azerbaijan, Iran
Department of Applied Chemistry,Faculty of Chemistry, Razi University, Kermanshah, Iran
چکیده
An artificial neural network (ANN) was used to forecast natural airborne dust as well as five gaseous air pollutants concentration by using a combination of daily mean meteorological measurements and duststorm occurrence at a regulatory monitoring site in Kermanshah, Iran for the period of 2007-2011. We used localmeteorological measurementsand air quality data collected from three previous days as independent variablesand the daily pollutants records as the dependent variables (response). Neural networks could be used todevelop rapid air quality warning systems based on a network of automated monitoring stations. Robustnessof constructed ANN acknowledged and the effects of variation of input parameters were investigated. As a result, dust had a decreasing impact on the gaseous pollutants level. The prediction tests showed that theANN models used in this study have the high potential of forecasting dust storm occurrence in the regionstudied by using conventional meteorological variables.کلیدواژه ها
Artificial neural network Dust Gaseous pollutants Forecasting modelمقالات مرتبط جدید
- استفاده از مواد دوست دار محیطزیست بهعنوان جایگزین برای صنعت بستهبندی مواد غذایی
- مروری بر کاربرد چارچوبهای فلزی-آلی در جذب دیاکسید کربن
- کنترل بهینه یک مدل دینامیکی امکانات و تسهیلات گردشگری در جهت توسعه پایدار مبتنی بر تاثیرات عوامل محیطی
- بررسی موانع پیاده سازی استانداردهایISO با تاکید بر مدیریت سبز با استفاده از شبکههای عصبی عمیق کانولوشن
- استخراج رمزارز و چالش های آلودگی محیط زیست
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.