پیش بینی میزان آلایندگی دی اکسید نیتروژن با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم های تکاملی
- سال انتشار: 1394
- محل انتشار: نخستین کنفرانس بین المللی فناوری اطلاعات
- کد COI اختصاصی: FBFI01_035
- زبان مقاله: فارسی
- تعداد مشاهده: 624
نویسندگان
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
امروزه مشکلات ناشی از آلودگی هوا در کلان شهرها به یک چالش زیست محیطی اساسی تبدیل شده است. این مشکل در مورد شهر تهران به دلیل حجم ترافیکی سنگین ناشی از ترابری، استفاده از خودروهای غیراستاندارد، احتراق ناقص سوخت های مورد استفاده خودروها و بی توجهی ای که طی سال های گذشته نسبت به آلودگی هوا صورت گرفته، اهمیت ویژه ای دارد. پیش بینی غلظت روزانه آلاینده های هوا اولین گام اساسی در برنامه ریزی کاهش اثرات آن ها است. در این مقاله، ابتدا داده ها از ایستگاه هواشناسی و آلودگی اقدسیه تهران جمع آوری می شود و سپس پیش پردازش داده ها صورت می گیرد که شامل، پاک سازی داده ها، نرمال سازی خطی و انتخاب ویژگی است. سپس شبکه عصبی پرسپترون چندلایه با استفاده از الگوریتم کرم شب تاب آموزش داده می شود و خطای آن با آموزش شبکه عصبی با الگوریتم های بهینه سازی ازدحام ذرات و ژنتیک مقایسه می شود. نتایج نشان می دهد که شبکه عصبی پرسپترون چندلایه آموزش یافته با الگوریتم کرم شب تاب با میانگین مربعات خطای 0.0812 به عنوان بهترین مدل می تواند پیش بینی میزان آلایندگی دی اکسید نیتروژن را انجام دهد.کلیدواژه ها
پیش بینی، الگوریتم تحلیل مولفه های اصلی، شبکه عصبی پرسپترون چندلایه، الگوریتم ژنتیک، الگوریتم بهینه سازی ازدحام ذرات، الگوریتم کرم شبتابمقالات مرتبط جدید
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.