سال انتشار: 1397
کد COI مقاله: CEITCONF02_021
زبان مقاله: فارسیمشاهد این مقاله: 371
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله مروری بر سامانه های پیش بینی آلودگی هوا مبتنی بر هوش مصنوعی
چکیده مقاله:
آلودگی هوا در سالهای اخیر به بحرانی تاثیرگذار در سلامت جسم و روان شهروندان تبدیل شده است. امروزه سامانه های پیش بینی کیفیت هوا ازجمله ابزارهای کاربردی در راستای حفاظت از سلامت شهروندان میباشند که به طور گسترده در کشورهای مختلف پیاده سازی شده اند. این سامانه ها به منظور محاسبه غلظت آلاینده هایی نظیر ازن، دی اکسید نیتروژن، ذرات معلق کوچکتر از 2،5 و 10 میکرون مورداستفاده قرار می گیرند. هدف ایجاد چنین سامانه هایی پیش بینی روزهای آلوده می باشد. در چنین پیش بینی هایی باید گسترده بودن بازه زمانی پیش بینی شده و آلاینده های انتخابی را در نظر داشت. به این منظور در بسیاری از تحقیقات گذشته از هوش مصنوعی و کارکرد شبکه های عصبی بهره برده شده است که در مقایسه با راهکارهای دیگر، نتایج بهتری داشته است. هوش مصنوعی از اوایل دهه 1990 در زمینه پیش بینی آلاینده های هوا مورد استفاده قرار گرفته است و امروزه با پیشرفت های بسیار زیاد در زمینه شبکه های عصبی، بسیاری از مشکلات اولیه رفع شده است. مرحله بعد ازپیش بینی یکی از مواردی است که در بسیاری از پژوهش ها به آن توجه نشده است. درواقع مرحله تشخیص به خوبی انجام میشود اما درمانی برای آن ارایه نمی شود. میتوان با ایجاد یک سامانه پیشنهادگر به منظور ارایه پیشنهادات به کاربران خود برای کاهش آلودگی هوا، مرحله درمان را به درستی انجام داد. بدین شکل در فاز اول؛ شبکه های عصبی با استفاده از ورودی های خود پیش بینی هایی را انجام می دهند و این پیش بینی و مولفه های دیگر در فاز بعدی به عنوان ورودی برای سامانه پیشنهادگر استفاده می شود تا از رخ دادن آلودگی هوا جلوگیری شود.
کلیدواژه ها:
هوش مصنوعي، شبكه هاي عصبي، آلودگي هوا، پيش بيني آلودگي هوا، پيشنهادگر
کد مقاله/لینک ثابت به این مقاله
برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/849058/
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:بختیاری، سعید و نادری، محمدصالح،1397،مروری بر سامانه های پیش بینی آلودگی هوا مبتنی بر هوش مصنوعی،دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز،،،https://civilica.com/doc/849058
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، بختیاری، سعید؛ محمدصالح نادری)
برای بار دوم به بعد: (1397، بختیاری؛ نادری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
مقالات پیشنهادی مرتبط
- بررسی روشهای تشخیص و جلوگیری از حملات تزریق SQL
- بررسی اثر آسایش حرارتی تطبیقی بر میزان مصرف انرژی یک ساختمان در اقلیم های مختلف ایران
- مطالعه تاثیر استفاده از پنجره های دوجداره مشبک بر صرفه جویی انرژی در ساختمان ها
- کاربرد داده کاوی در مدیریت دانش
- بکارگیری مدل بلوغ سازمانی مدیریت پروژه OPM3 در پروژه های نفت، گاز و پتروشیمی
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- مطالعه و بهبود پایداری ولتاژ با جایابی بهینه STATCOM در سیستم قدرت
- عنوان تخمین زاویه ورود تعداد نامعلوم سیگنال همدوس با استفاده از قطری سازی آماره گشتاور مرتبه چهارم
- مروری بر پیام های AIS تجاری، بررسی یک پیام به صورت کاربردی
- مروری بر روش های مدیریت دانش به منظور افزایش بهره وری تیمی در توسعه نرم افزار چابک
- پیاده سازی ارزیابی عملکردی و امنیتی فایروال های نسل چهارم
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره 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.