CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش¬بینی غلظت مونوکسیدکربن در شمال شهر تهران با استفاده از روش آنالیز مولفه اصلی و رگرسیون خطی چند متغیره

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۵ | تعداد نمایش خلاصه: ۹۷۴ | نظرات: ۰
سرفصل ارائه مقاله: هوا
سال انتشار: ۱۳۸۵
نوع ارائه: پوستری
کد COI مقاله: CEE01_320
زبان مقاله: فارسی
حجم فایل: ۱۸۱.۴۴ کلیوبایت (فایل این مقاله در ۱۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیش¬بینی غلظت مونوکسیدکربن در شمال شهر تهران با استفاده از روش آنالیز مولفه اصلی و رگرسیون خطی چند متغیره

  روح اله نوری - دانشجوی کارشناسی ارشد عمران-محیط زیست دانشگاه تربیت مدرس تهران
  حسین گنجی دوست (شناسه پژوهشگر - Researcher ID: ۷۸۹)
استاد گروه مهندسی محیط زیست، دانشکده فنی دانشگاه تربیت مدرس

چکیده مقاله:

هدف از این تحقیق پیش بینی میانگین غلظت روزانه مونوکسیدکربن در هوای شهر تهران با استفاده از مدل رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی میباشد. برای این منظور در ابتدادر این مطالعه از روش آنالیز مولفه های اصلی (PCA ) برای از بین بردن هم راستایی چندگانه بین متغیرهای ورودی و تفسیر بهتر نتایج مدل رگرسیونی استفاده گردید. همچنین با استفاده از شبکه عصبی Feed-Forward سه لایه نیز مدل مناسب جهت این امر ایجاد گردید. جهت پیش بینی غلظت مونوکسیدکربن آمار سالهای 1383 و1384 ایستگاه قلهک واقع در شمال تهران مورد استفاده قرار گرفت. پس از اجرای مدلهای مذکور، ضریب همبستگی (R) و شاخص میانگین نسبی خطای مطلق (MARE) در شبکه عصبی، برای مرحله تست به ترتیب برابر با0/716 و 0/158 به¬دست آمده است که در مقایسه با مدل ترکیبی رگرسیونی (0/189= MARE و 0/581= R) حاکی از برتری مطلق نتایج شبکة عصبی نسبت به مدل ترکیبی رگرسیونی می¬باشد.

کلیدواژه‌ها:

آنالیز اجزای اصلی، شبکه عصبی مصنوعی، مونوکسیدکربن، رگرسیون خطی چندمتغیره، تهران

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://www.civilica.com/Paper-CEE01-CEE01_320.html
کد COI مقاله: CEE01_320

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:
نوری, روح اله و حسین گنجی دوست، ۱۳۸۵، پیش¬بینی غلظت مونوکسیدکربن در شمال شهر تهران با استفاده از روش آنالیز مولفه اصلی و رگرسیون خطی چند متغیره، اولین همایش تخصصی مهندسی محیط زیست، تهران، دانشگاه تهران، دانشکده محیط زیست، https://www.civilica.com/Paper-CEE01-CEE01_320.html

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: (نوری, روح اله و حسین گنجی دوست، ۱۳۸۵)
برای بار دوم به بعد: (نوری و گنجی دوست، ۱۳۸۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Gilbert, R.O., 1987. Statistical Methods for Env ironmental Pollution Monitoring. ...
  • -Zannetti, P., 1990. Air Pollution Modelling, Theories, C omputational Methods ...
  • -Nunnari, G., Dorling, S., Schlink, U., Cawley, G., Foxall, R., ...
  • -Boznar, M., Lesjak, M. and Mlakar, P., 1993. A neural ...
  • -Gardner, M.W., Dorling, S.R., 1998. Artificial neural networks (the multilayer ...
  • -Finzi, G., Volta, M., Nucifora, A., Nunnari, G., 1998. Real-time ...
  • -Nunnari, G., Nucifora, A., Randieri, C., 1998. The application of ...
  • -Nunnari, G., Bertucco, L., 2001. Modelling air pollution time-series by ...
  • -Sahin, U., Ucan, O.N., Soyhan, B., Bayat, C., 2004. Modelling ...
  • 0] -Moseholm, L., Silva, J., Larson, T.C., 1996. Forecasting carbon ...
  • Chelani, A.B., Chalapati Rao, C.V., Phadke, K.M., Hasan, M.Z., 2002. ...
  • - Sahin, U., Ucan, O.N., Bayat, C., Oztorun, N., 2005. ...
  • 3] -Camdevyren, H., Demyr, N., Kanik, A., Keskyn, S., 2005. ...
  • -Lu, W. Z., Wang, W. J., Wang, X. K., Xu, ...
  • -Manly, B.F.J., 1986. Multivariate Statistical Methods: A Primer. Chapman & ...
  • -Helena, B., Pardo, R., Vega, M., Barrado, E., Ferna ndez, ...
  • -Johnson, R.A. , Wichern, D .W., 1982. Applied Multivariate Statistical ...
  • -Legates, D.R. and McCabe, G.J. (1 999) .Evaluating the use ...
  • -Vega, M., Pardo, R., Barrado, E., Deban, L., 1998. Assessment ...
  • -Morales, M.M., Marti, P., Llopis, A., Campos, L., Sagrado, S., ...
  • 1]-Simeonov, V., Stratis, J.A., Samara, C., Zachariadis, G., Voutsa, D., ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۳۲۳۷۰
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    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.