پیشبینی غلظت آلایندگی ازن با استفاده از شبکه عصبی پایه شعاعی با نظارت الگوریتمهای تکاملی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 630
فایل این مقاله در 16 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:
COMCONF01_728
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
یکی از چالشهای زیستمحیطی اساسی در کلان شهرها مسأله آلودگی هواست. این مسأله در کلان شهری مانندتهران بهعلت حجم ترافیک بالا، استفاده از خودروهای غیراستاندارد، احتراق ناقص سوختهای مورد استفاده خودروها وبیتوجهی که طی سالهای گذشته نسبت به آلودگی هوا صورت گرفته، اهمیت بخصوصی پیدا کرده است. پیشبینی غلظت روزانه آلایندههای هوا اولین گام اساسی در برنامهریزی کاهش اثرات آنها است. در این مقاله، ابتدا به پیشپردازشدادههای جمعآوری شده)شامل مراحل پاکسازی دادهها، نرمالسازی خطی و انتخاب ویژگی( پرداخته و در ادامه آموزش شبکه عصبی پایهای- شعاعی با استفاده از الگوریتم تکاملی بهینهسازی ازدحام ذرات بهمنظور پیشبینی میزان غلظت ازنانجام میشود و خطای حاصل از آن با خطای شبکه عصبی آموزش داده شده توسط الگوریتمهای تکاملی دیگر همچونالگوریتم کرم شبتاب و الگوریتم ژنتیک مقایسه میشود. نتایج نشان میدهد که شبکه عصبی پایهای- شعاعی آموزش یافته با الگوریتم بهینهسازی ازدحام ذرات با میانگین مربعات خطای 0.001 . و 0.0026 بهترتیب در آموزش و آزمایش میتواند پیشبینی میزان غلظت ازن را با خطای کمتری انجام دهد که نشاندهنده برتری مدل پیشنهادی از لحاظ میزان خطا در قیاس با الگوریتمهای تکاملی دیگر است
کلیدواژه ها:
الگوریتم تحلیل مؤلفههای اصلی ، الگوریتم بهینهسازی ازدحام ذرات ، الگوریتم ژنتیک ، الگوریتم کرم شبب- تاب ، شبکه عصبی پایهای- شعاعی
نویسندگان
منیرسادات نقیبی
گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی تهران، ایران
احمد خادم زاده
دانشیار گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی تهران، ایران
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 :