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

پیش بینی غلظت ازن با استفاده از شبکه عصبی مصنوعی MLP در شهر تبریز

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۴۰۲ | نظرات: ۰
سرفصل ارائه مقاله: هوا
سال انتشار: ۱۳۸۷
کد COI مقاله: CEE02_293
زبان مقاله: فارسی
حجم فایل: ۱۷۱.۹۴ کلیوبایت (فایل این مقاله در ۷ 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 ۷ 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 ازن با استفاده از شبکه عصبی مصنوعی MLP در شهر تبریز

اکبر رحیمی -
سیدرضا نبوی -
عاطفه نجفی -

چکیده مقاله:

امروزه پیش بینی آلودگی های هوایی به دلیل تاثیر آن روی سلامتی انسان، یکی از موضوعات مهم در تحقیقات زیست محیطی است . تبریز یکی از پنج شهر بزرگ صنعتی کشور، یکی از آلوده ترین شهرهای کشور به حساب می آید . مکانیابی مراکز صنعتی در غرب و جنوب غربی تبریز و وزش غالب باد در فصلهای سرد از آن جهت، باعث آلودگی هوای شهر تبریز می شود . بر اساس اطلاعات اداره کل حفاظت محیط زیست استان آذر بایجان شرقی 60 درصد آلودگی های هوایی تبریز مربوط به صنایع سنگینی است که در جنوب غربی و غرب آن مکانیاب ی شده اند . در این مقاله یک مدل برمبنای شبکه عصبی به منظور پیش بینی کوتاه مدت غلظت ازن برحسب شرایط آب و هوایی برای شهر تبریز ارایه شده است . توپولوژی بهینه مدل شبکه عصبی با استفاده از روش آزمون و خطا تعیین گردید . با توجه به مطالعات انجام شده، مشخص شد که شبکه با توپولوژی 35 نرون در لایه مخفی نسبت به توپولوژیهای دیگر دارای کمترین خطا بوده است . تابع انتقال تانژانت هایپر بولیک در لایه مخفی و همچنین در لایه خروجی مورد استفاده قرار گرفت .

کلیدواژه‌ها:

پیش بینی آلودگی های هوایی، شبکه عصبی مصنوعی، پرسپترون چندلایه، رگرسیون چندگانه، ازن .

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-CEE02-CEE02_293.html
کد COI مقاله: CEE02_293

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:
رحیمی, اکبر؛ سیدرضا نبوی و عاطفه نجفی، ۱۳۸۷، پیش بینی غلظت ازن با استفاده از شبکه عصبی مصنوعی MLP در شهر تبریز، دومین همایش تخصصی مهندسی محیط زیست، تهران، دانشگاه تهران، دانشکده محیط زیست، https://www.civilica.com/Paper-CEE02-CEE02_293.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: (رحیمی, اکبر؛ سیدرضا نبوی و عاطفه نجفی، ۱۳۸۷)
برای بار دوم به بعد: (رحیمی؛ نبوی و نجفی، ۱۳۸۷)
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

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.