راهبردی نوین جهت پیشبینی میزان آلاینده کلانشهر اراک با استفاده ازشبکه عصبی و الگوریتم فرا ابتکاری علفهای هرز
- سال انتشار: 1395
- محل انتشار: اولین کنفرانس بین المللی مخاطرات طبیعی و بحران های زیست محیطی ایران، راهکارها و چالش ها
- کد COI اختصاصی: ICINH01_516
- زبان مقاله: فارسی
- تعداد مشاهده: 1129
نویسندگان
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد اراک
دانشگاه آزاد اسلامی، واحد اراک، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، اراک ، ایران
دانشگاه آزاد اسلامی، واحد اراک، باشگاه پژوهشگران جوان و نخبگان، اراک، ایران
چکیده
امروزه پیشبینی پارامترهای کیفیت هوا از موضوعات مهم و محبوب در علوم محیطزیست و اتمسفریک است زیرا رابطه مستقیم با سلامتی بشر دارد لذا نیاز به مدلهای دقیق برای پیشبینی آلودگی هوا احساس میشود. آلودگی روزافزون هوا در شهرهای بزرگ، رشد بیرویه جمعیت در نزدیکی نواحی صنعتی از جمله مواردی است که امروزه ذهن متخصصان محیطزیست را به خود مشغول نموده است. بنابراین استفاده از ابزار و روشهای پیشبینی اثرات نامطلوب آلودگی هوا ناشی از عوامل گوناگون آلاینده ضروری میباشد. در این تحقیق با استفاده از تکنیک شبکه عصبی مصنوعی و ترکیب آن با الگوریتم فرا ابتکاری علف هرز و همچنین الگوریتم ژنتیک جهت برآورد و پیشبینی غلظت گازهای آلایندههوای کلانشهر اراک بهکار رفته است. سپس با استفاده از نرمافزار متلب مدل ترکیبی پیشنهادی شبیه سازی که در نهایت معیارهای ارزیابی عملکرد RMSE و MAPE و R2 و MSE و MAE برای هرکدام از الگوریتمهای فوق استخراجشده است که نتیجه حاکی از برتری الگوریتم علف های هرز در 5 معیار ارزیابی الگوریتم نسبت به الگوریتم ژنتیک میباشد.کلیدواژه ها
داده کاوی، پیش بینی آلودگی هوا، کلانشهر اراک، الگوریتم شبکه عصبی مصنوعی، الگوریتم فرا ابتکاری علف های هرزمقالات مرتبط جدید
- شناسایی مناطق مستعد کانه زایی مس پورفیری با استفاده از تلفیق معیارهای دورسنجی و زمین شناسی
- بررسی خصوصیات فیزیکی در ارزیابی مقاومت کششی برزیلی نمونه های سنگ آندزیت سنندج
- مطالعه انحلال پذیری سنگ های کربناته سازند سروک (شهرستان ملکشاهی، استان ایلام)
- مطالعه محیط رسوبی و ویژگی های زمین شناسی مهندسی سنگ های کربناته سازند سروک (مطالعه موردی: شهرستان ملکشاهی، استان ایلام)
- بررسی عملکرد سنجنده استر در شناسایی دگرسانی مس پورفیری
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.