تحلیل مدل های مناسب جهت پیش بینی آلودگی هوا با تأکید بر الگوریتم علف های 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_537
- زبان مقاله: فارسی
- تعداد مشاهده: 803
نویسندگان
استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اراک
استادیار گروه مهندسی صنایع ، دانشگاه آزاد اسلامی واحد اراک
کارشناس ارشد رشته کامپیوتر ، دانشگاه آزاد اسلامی واحد اراک
چکیده
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.کلیدواژه ها
آلاینده، هوا، الگوریتم، علف هرز، مدلمقالات مرتبط جدید
- Assessing Slope Stability using Geoelectrical Method: A Case Study
- Unveiling Rock Brittleness for Mine Exploration: The Potential of Non-Destructive Seismic Methods
- Time-Domain Induced Polarization Tomography Inversion
- Innovative passive microseismic methods in oil and gas industry
- IP-Rs and Magnetic Geophysical ۳D Modelling of Copper Deposits; A CaseStudy Sheikhdar Abad Copper Deposit
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.