بررسی توانایی انواع شبکه های عصبی مصنوعی در پیش بینی میزان آلاینده های CO,NO2,SO2 هوای کلانشهر تبریز
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 837
فایل این مقاله در 11 صفحه با فرمت PDF و WORD 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:
ESPME04_326
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
با توجه به تاثیر چشمگیر آلودگی هوا بر محیط زیست و سلامت انسان ها و افزایش میزان آلاینده ها در دهه های گذشته، بررسی و پیش بینی میزان این آلودگی می تواند کمک شایانی به مدیران شهری در امر تصمیم گیری نماید. در این مقاله به پیش بینی میزانCO,NO2,SO2 هوای کلانشهر تبریز با استفاده از سه نوع شبکه عصبی مصنوعی چند لایه پیشخور و چهار مدل الگوریتم آموزشی پس انتشار خطا پرداخته شده است. در این راستا داده های هوا شناسی بهار سال 90 (شامل بیشینه و کمینه دما، بیشینه و کمینه رطوبت هوا، سرعت و جهت باد، میزان بارش و فشار هوا، به عنوان ورودی و میزان آلاینده های CO,NO2,SO2 به عنوان خروجی شبکه های عصبی در نظر گرفته شدند. پیش بینی آلودگی هوای بهار سال 91 بر اساس این شبکه و مقایسه آن با داده های واقعی نشان می دهد که دقت پیش بینی 70 الی 75 درصد بوده است.
کلیدواژه ها:
آلودگی هوا ، شبکه های عصبی مصنوعی ، پارامترهای هواشناسی ، شبکه عصبی چند لایه ی پیشخور ، پس انتشار خطا
نویسندگان
سارا بهشتی فر
استادیار دانشکده عمران دانشگاه تبریز
بهزاد کافی خسروشاهی
دانشجوی کارشناسی ارشد سیستم اطلاعات مکانی دانشگاه آزاد واحد ممقان
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 :