تحلیل مدل های مناسب جهت پیش بینی آلودگی هوا با تأکید بر الگوریتم علف های هرز
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 759
فایل این مقاله در 13 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:
ICINH01_537
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
آلوده کنندهها معمولا0 بهعنوان موادی که باعث تأثیرات قابلتوجهی برای بشر، حیوانات، نباتات یا مواد بشوند طبقهبندی میگردند. بر این اساس تقریبا0 هر ماده طبیعی یا مصنوعی که بتواند از هوا به دست آید بهعنوان آلودهکننده طبقهبندی میشود. چنین موادی بهصورت ذرات جامد قطرات مایع، گازها و یا مخلوطی از این اشکال هستند. پیشبینی هرگز بهطور کامل با واقعیات انطباق نمییابند و هیچ روش منحصربهفردی بهعنوان بهترین روش پیشبینی وجود ندارد. کار اصلی خبرگان پیشبینی، یافتن بهترین مدل ممکن برای موضوع موردبررسی و انجام پیشبینیها با کمترین خطا میباشد .الگوریتم علفهای هرز اولین بار در سال 2006 ،توسط دکتر لوکاس در دانشگاه تهران معرفی گردید. از آن زمان تاکنون، از این الگوریتم برای حل بسیاری از مسائل عملی با ابعاد بالا مانند کنترل گروه رباتها، ، آنالیز دینامیکهای بازار برق و تخصیص منابع استفادهشده و نتایج موفقیتآمیزی بهدستآمده است. این الگوریتم با الهام از روند رشد علفهایهرز، ایجادشده است. مقاله حاضر با هدف تحلیل الگوریتم علف های هرز و بررسی توان ها و کمبودهای این روش در پیش بینی آلودگی هوا با روش توصیفی- تحلیلی و مطالعه کتابخانه ای انجام گرفته است. نتایج نشان داد؛ با پیشبینی میزان آلاینده با استفاده از شبکه عصبی مصنوعی و الگوریتم فرا مکاشفهای علفهای هرز میتوان خطای برآورد را نسبت به سایر روشها کاهش داد.
نویسندگان
عباس کریمی
استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اراک
عمادالدین هزاوه ای
استادیار گروه مهندسی صنایع ، دانشگاه آزاد اسلامی واحد اراک
مهسا ابوالحسنی
کارشناس ارشد رشته کامپیوتر ، دانشگاه آزاد اسلامی واحد اراک
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 :