بررسی عمل کرد الگوریتم های مبتنی بر یادگیری ماشین و یادگیری عمیق، در تخمین غلظت ذرات PM۲.۵ با استفاده از محصولات مختلف عمق نوری آئروسل
محل انتشار: هشتمین کنفرانس بین المللی مطالعات نوین مهندسی عمران، معماری، شهرسازی و محیط زیست در قرن ۲۱
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 199
فایل این مقاله در 8 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:
CMUECONF08_035
تاریخ نمایه سازی: 13 بهمن 1401
چکیده مقاله:
آلودگی هوا در ردیف یکی از زیا نبارترین بلایای طبیعی قرار گرفته است. ذرات معلق درهوا با قطر کمتر از ۲.۵میکرومتر (PM۲.۵) یکی از خطرنا کترین و مضرترین نوع ذرات در میان آلاینده های مختلف هوا برای سلامتی انسان هستند. یکی از تکنیک های تخمین PM۲.۵ استفاده از محصولات ماهواره ایی عمق نوری آئروسل (AOD) می باشد . این تحقیق به انجام آزمایش بر روی الگوریت مهای مختلف یادگیری ماشین و بررسی عملکرد آ نها درتخمین PM۲.۵ از روی داده های AOD سنجنده های MODIS و VIIRS و داده های هواشناسی می پردازد. نتایج حاکی از آن است که الگوریتم XGBooST بهترین عملکرد را برای تخمین رابطه ی AOD و RM۲.۵ از خود نشان می دهد. دقت این الگوریتم برای بهترین محصول AOD به R(۲)=۰.۸۱ رسید.
کلیدواژه ها:
نویسندگان
علی میرزایی
اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل
حسین باقری
اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل
مهران ستاری
اصفهان، دانشگاه اصفهان، دانشکده مهندسی عمران و حمل و نقل