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

مقایسه رگرسیون چند متغیره و شبکه‌های عصبی در مدلسازی مکانی غلظت NOx در تهران

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۷۵ | نظرات: ۰
سرفصل ارائه مقاله: ارزیابی و مدیریت محیط زیست
سال انتشار: ۱۳۹۲
کد COI مقاله: ESPME03_297
زبان مقاله: فارسی
حجم فایل: ۵۵۶.۴۶ کلیوبایت (فایل این مقاله در ۸ 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 ۸ 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 مقایسه رگرسیون چند متغیره و شبکه‌های عصبی در مدلسازی مکانی غلظت NOx در تهران

  مهرداد رفیع پور - دانشجوی کارشناسی ارشد سیستم اطلاعات مکانی،دانشگاه صنعتی خواجه نصیرالدین طوسی،
  علی اصغر آل شیخ - دانشیار ، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی،
  عباس علیمحمدی - دانشیار، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی،
  ابوالقاسم صادقی نیارکی - استادیار، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی،

چکیده مقاله:

آلودگی هوا یکی از مشکلات مهم شهر‌های بزرگ محسوب می‌شود. یکی از اهداف مسئولین شهری آگاه‌سازی شهروندان از میزان کیفیت هوا در مناطق مختلف شهر است. با توجه به اینکه NOx یکی از آلاینده‌های مهم هوا است و تاثیرات زیانباری بر سلامت انسان دارد، به همین دلیل در مقاله حاضر به مدلسازی مکانی غلظت آلاینده NOx با بهره‌گیری از رگرسیون چند متغیره و شبکه‌های عصبی پرداخته شده است. برای این مدلسازی از داده‌های غلظت آلاینده NOx اندازه‌گیری شده در ایستگاه‌های پایش کیفیت هوا شامل 41 ایستگاه ثابت در سال 1391 استفاده شده است. پارامترهای موقعیت، ارتفاع و هواشناسی شامل سرعت باد، جهت باد، دما و رطوبت نسبی به عنوان پارامترهای مکانی موثر در نظر گرفته شدند. رگرسیون چند متغیره و دو نوع شبکه عصبی مصنوعی شامل MLP و RBF مورد استفاده قرار گرفتند. میانگین مجذور کمترین مربعات خطا، برای هرکدام از روش‌ها محاسبه شد و نتایج نشان داد که شبکه عصبی MLP با خطای ppb 17 تا 43، کارایی بهتری نسبت به مدل‌های دیگر برای مدلسازی مکانی آلودگی هوا دارد. این در حالی است که رگرسیون چند متغیره با خطای ppb 56 تا 72 از کمترین دقت برخوردار است. خطای شبکه عصبی RBF برابر با ppb 18 تا 65 می‌باشد. در نهایت نقشه غلظت NOx در پاییز 1391 با استفاده از شبکه عصبی MLP تولید شد. در نقشه تولید شده بیشترین آلودگی در نواحی مرکزی و جنوبی شهر تهران است. اطلاعات تولید شده توسط این مدلسازی می‌تواند در آنالیز، برنامه‌ریزی و مدیریت کیفیت هوای شهر مورد استفاده قرار گیرد. نتایج این تحقیق نشان می‌دهد که شبکه عصبی MLP قابلیت مناسبی در مدلسازی غلظت NOx در تهران دارد.

کلیدواژه‌ها:

آلودگی هوا، شبکه عصبی، مدلسازی مکانی، Nox

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-ESPME03-ESPME03_297.html
کد COI مقاله: ESPME03_297

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:
رفیع پور, مهرداد؛ علی اصغر آل شیخ؛ عباس علیمحمدی و ابوالقاسم صادقی نیارکی، ۱۳۹۲، مقایسه رگرسیون چند متغیره و شبکه‌های عصبی در مدلسازی مکانی غلظت NOx در تهران، سومین کنفرانس برنامه ریزی و مدیریت محیط زیست، تهران، دانشگاه تهران، https://www.civilica.com/Paper-ESPME03-ESPME03_297.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: (رفیع پور, مهرداد؛ علی اصغر آل شیخ؛ عباس علیمحمدی و ابوالقاسم صادقی نیارکی، ۱۳۹۲)
برای بار دوم به بعد: (رفیع پور؛ آل شیخ؛ علیمحمدی و صادقی نیارکی، ۱۳۹۲)
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 :

  • گلباز، سم فرزادکیا، م. و کرمانی، م, بررسی کیفیت بهداشتی ... (مقاله ژورنالی)
  • صفوی، ی و علیجانی، ب, بررسی عوامل جغرافیایی در آلودگی ...
  • سایت اینترنتی سزمان کنترل کیفیت هوای شهر تهران/بخش آموزش, tehra. ...
  • بوداقپور، س. _ پیشبینی غلظت آلاینده های هوای تهران با ...
  • فتح‌تبارفیروزجایی, س، ارزیابی روش‌های مختلف درونیابی در پهنه‌بندی آلاینده‌ها در ...
  • Pu mmakarnchant , O., N. Tripathi, and J. Dutta, Air ...
  • Abbaspour, M, A.M. Rahmani, and M. Teshnehlab, Carbon monoxide prediction ...
  • Singh, K.P., et al., Linear and nonlinear modeling approaches for ...
  • خزایی. ا, اکتشاف دانش به روش فازی-عصبی در محیط GIS ...
  • 0] Ibarra-B erastegi, G., et al., Assessing spatial variability of ...
  • Dominick, D., et al., Spatial assessment of air quality patterns ...
  • D.B, S., Statistical concepts in environmentl science. http ://www. met.rdg ...
  • 3]Balestrassi, P.P., et al., Design of experiments On neural network's ...
  • Haykin, S., Neural Networks: A Comprehens ive Foundation (2nd Edition). ...
  • 5]McCulloch, W. and W. Pitts, A logical calculus of the ...
  • Krose, B. and P. van der Smagt, An Introduction _ ...
  • 7] Ibarra-B erastegi, G., et al., From diagnosis to prognosis ...
  • 8]Broomhead, D.S. and D. Lowe, Multivariable Functional Interpolation and Adaptive ...
  • Park, J. and I.W. Sandberg, Universal Approximation Using Radial -B ...
  • MATLAB toolbox for Neural Network. Chemmom Intell Lab Syst 2011. ...
  • 1] Salcedo-Sanz, S., et al.. Spatial regression analysis of NOx ...
  • Pfeiffer, H., et al., Neural modelling of the spatial distribution ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۹۹۶۶
    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.