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

برآورد مقدار غلظت NO2 موجود در هوا با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۱۴۲۷ | نظرات: ۱
سرفصل ارائه مقاله: هوا
سال انتشار: ۱۳۸۷
کد COI مقاله: CEE02_497
زبان مقاله: فارسی
حجم فایل: ۳۱۳.۳۳ کلیوبایت (فایل این مقاله در ۱۱ 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 ۱۱ 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 برآورد مقدار غلظت NO2 موجود در هوا با استفاده از شبکه عصبی مصنوعی

محمدجواد ذوقی -
  محسن سعیدی (شناسه پژوهشگر - Researcher ID: ۲۹۱۶)

چکیده مقاله:

شهر تهران به عنوان یکی از پر جمعیت ترین شهر های دنیا به شدت تحت تاثیر آلاینده های هوا می باشد و سهم عمده این آلودگی ناشی از وسایل حمل و نقل است که علاوه بر زیان های مالی کلان آسیبهای جانی فراوانی بر جامعه تحمیل می کند و در حال رشد می باشد که تمام این افزایش ها با جمعیت شهری رابطه مستقیم دارد . طرحهای زیادی برای کنترل آلودگی به اجرا در آمده ولی برای به نتیجه رسیدن با مشکلاتی اعم از زمان و یا بودجه مواجه شده و به کندی پیش می روند به نظر می رسد مدلهای پیش بینی آلودگی هوا وسیله بسیار موثری است که به کمک آن می توان برای مدیریت الودگی هوای شهر تهران استراتژیهای مناسب و کم هزینه طرح ریزی کرد . استفاده از منطق شبکه های عصبی مصنوعی که قادر است مدل های پیچیده و غیر خطی را طرح ریزی کند برای پیش بینی و قالب بندی پارامترهای کیفی آلودگی هوا در محیط های شهری مناسب است . در این مطالعه هدف زمینه سازی تهیه یک سیستم هشدار زیست محیطی است تا هرگاه وضعیت در حالت بحران پیش بینی می شود برنامه ریزی فعالیتهای شهری اصلاح و بازبینی شود . با استفاده از خواص شبکه عصبی مقدار غلظت آلایندهNO2 . ساعت آینده پیش بینی و میزان اثر دما و سرعت باد بر آن محاسبه شده است 24 موجود در تقاطع فاطمی _ ولیعصر در نتایج نشان می دهند که ضریب همبستگی مقدار غلظت پایش شده و پیش بینی شده NO2 بین 0/74-0/9 است . برای مدیریت بهتر آلودگی هوا باید سایر آلاینده های تاثیر گذار هوا مورد بررسی قرار گیرد که می توان ا ز الگوی استفاده شده در این طرح برای پیش بینی سایر آلاینده ها استفاده کرد .

کلیدواژه‌ها:

پیش بینی روزانه آلاینده، NO2 ، شبکه عصبی مصنوعی ، آلودگی هوا

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_497.html
کد COI مقاله: CEE02_497

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:
ذوقی, محمدجواد و محسن سعیدی، ۱۳۸۷، برآورد مقدار غلظت NO2 موجود در هوا با استفاده از شبکه عصبی مصنوعی، دومین همایش تخصصی مهندسی محیط زیست، تهران، دانشگاه تهران، دانشکده محیط زیست، https://www.civilica.com/Paper-CEE02-CEE02_497.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: (ذوقی, محمدجواد و محسن سعیدی، ۱۳۸۷)
برای بار دوم به بعد: (ذوقی و سعیدی، ۱۳۸۷)
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 :

  • Andretta, M., Eleuteri, A., Fortezza, F., Manco, D., Mingozzi, L., ...
  • Boznar, M., Lesjack, M., Mlakar, P., 1993. A neural network ...
  • Chelani, A.B., Rao, C.V.C., Phadke, K.M., Hasan, M.Z., 2002. Prediction ...
  • Gardner, M.W., Dorling, S.R., 1998. Artificial neural network(the multi layer ...
  • Gardner, M.W., Dorling, S.R., 1999. Neural network modeling and prediction ...
  • Mlakar, P., Boznar, M., 1997. Perception neural net-work based model ...
  • Ordieres, J.B., Vergara, E.P., Capuz, R.S.., Salazar, R.E., 2005. Neural ...
  • Perez, P., Ryes, J., 2001. Prediction of particulate air pollution ...
  • Reich, S.L., Gomez, D.R., Dawidowski, L.E., 1999. Artificial neural networks ...
  • علم سنجی و رتبه بندی مقاله

    5.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0

    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.