پیش بینی غلظت ساعتی ازن با استفاده از مدل رگرسیون خطی چندمتغیره
محل انتشار: پنجمین همایش ملی مدیریت آلودگی هوا و صدا
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 591
فایل این مقاله در 5 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:
CANPM05_057
تاریخ نمایه سازی: 18 تیر 1396
چکیده مقاله:
ازن تروپوسفری به دلیل قابلیت بالای واکنش با سیستم تنفسی انسان و اثرات معکوس سلامتی آن از اهمیت ویژه ای برخوردار است. این آلاینده در هوای کلان شهرها از جمله شهر تهران به علت توپوگرافی خاص و ترافیک خودروها حایز اهمیت می باشد. بنابراین پیش بینی کوتاه مدت ازن می تواند در مدیریت بهینه آلودگی هوا مفید واقع شود. لذا هدف از این مقاله، پیش بینی میانگین غلظت ساعتی ازن در هوای شهر تهران با استفاده از مدل رگرسیون خطی چندمتغیره MLR می باشد. به منظور پیش بینی غلظت ازن با استفاده از مدل MLR ، داده های ساعتی در سال های 1391 و 1393 ثبت شده در ایستگاه سنجش کیفیت هوای چشمه در شهر تهران مورد استفاده قرار گرفت.پس از اجرای مدل شاخص های ضریب همبستگی ( R ) میانگین مطلق نسبی خطا ( MARE ) و جذر میانگین مربعات خطا (RMSE ) برای ارزیابی دقت آن مورد استفاده قرار گرفت. یافته های تحقیق حاکی از دقت مناسب MLR در پیش بینی ساعتی غلظت ازن بودند به نحوی که نتایج مدل از همبستگی بالایی با مقادیر اندازه گیری شده ساعتی ازن در ایستگاه چشمه در مرحله صحت سنجی مدل برخوردار بود 78 / 0 همچنین مقادیر اندک آماره های MARE 05 / 5 و RMSE 55 / 6 در مرحله صحت سنجی مدل بیانگر خطای اندک مدلMLR در پیش بینی ساعتی ازن بود.
کلیدواژه ها:
نویسندگان
سعیده محمدی
دانشجوی کارشناسی ارشد علوم محیط زیست دانشکده محیط زیست دانشگاه تهران
فاطمه معصومی
دانشجوی کارشناسی ارشد علوم محیط زیست دانشکده محیط زیست دانشگاه تهران
گلناز معصومی
دانشجوی کارشناسی ارشد علوم محیط زیست دانشکده محیط زیست دانشگاه تهران
روح اله نوری
استادیار دانشگاه تهران
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 :