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

پیش بینی غلظت ذرات معلق هوای شهر اصفهان با استفاده از مدل های شبکه عصبی ANN نروفازی ANFIS و رگرسیون خطی چند متغیره MLR

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۵۴ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ISCONF02_047
زبان مقاله: فارسی
حجم فایل: ۳۴۳.۴۱ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی غلظت ذرات معلق هوای شهر اصفهان با استفاده از مدل های شبکه عصبی ANN نروفازی ANFIS و رگرسیون خطی چند متغیره MLR

  سحر باقرپور - دانشجوی کارشاسی ارشد آلودگی محیط زیست دانشگاه خوراسگان اصفهان
  مریم نیلفروش - دانشجوی کارشناسی ارشد دانشگاه محیط زیست کرج
  مهسا آقابزرگی - دانشجوی کارشناسی ارشد دانشگاه محیط زیست کرج
  اکرم کریمی - دانشجوی کارشناسی ارشد دانشگاه محیط زیست کرج

چکیده مقاله:

امروزه یکی از بزرگترین مشکلات آلودگی هوا در کلان شهرهایی نظیر اصفهان ذرات معلق ناشی از تردد خودروها ترافیک سنگین جاده ای و همچنین فعالیت های صنعتی مختلف می باشد با استفاده از سیستم های هوش مصنوعی به منظور پیش بینی نحوه انتشار الاینده ها می توان اطلاعات مفیدی را برای اجرای آتی استراتژی های کنترل آلودگی هوا و کاهش هزینه های آن فراهم نمود از آنجا که مطالعات در این زمینه در شهر اصفهان به عنوان یکی از شهرهای بزرگ و صنعتی ایران محدود است این پژوهش با هدف مدلسازی تغییرات غلظت PM2.5 در شهر اصفهان و تاثیر گذاری عوامل آب و هوایی بر آن صورت گرفت در این پژوهش قابلیت تکنیک شبکه عصبی مصنوعی به روش MLP پرسپترون چند لایه برای مدلسازی برآورد غلظت PM2.5 با رگرسیون چند متغیره خطی و همچنین روش نروفازی مقایسه شده است در این تحقیق از داده های هواشناسی شامل پارامترهای جهت باد سرعت باد رطوبت و دما به عنوان ورودی و غلظت PM2.5 به عنوان خروجی مدل استفاده گردیده است برای بررسی کارایی سه مدل از نتایج ضریب همبستگی استفاده شده است و نتیجه ی حاصل از مقایسه ی داده ی واقعی با خروجی شبیه سازی شد و مقدار ضریب همبستگی مدل شبکه عصبی رگرسیون چند متغیره خطی و مدل نروفازی برای پیش بینی غلظت PM2.5 به ترتیب برابر 0/824 0/163و 0/2 برآورد گردید نتایج نشان داد که مدل شبکه عصبی برای شبیه سازی دارای کارایی بالاتری نسبت به دو روش دیگر می باشد بنابراین می توان از شبکه عصبی مصنوعی برای پیش بینی غلظت PM2.5 با دقت بالا استفاده نمود

کلیدواژه‌ها:

آلودگی هوا،مدلسازی،شبکه عصبی،رگرسیون خطی،نروفازی،PM2.5

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-ISCONF02-ISCONF02_047.html
کد COI مقاله: ISCONF02_047

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:
باقرپور, سحر؛ مریم نیلفروش؛ مهسا آقابزرگی و اکرم کریمی، ۱۳۹۵، پیش بینی غلظت ذرات معلق هوای شهر اصفهان با استفاده از مدل های شبکه عصبی ANN نروفازی ANFIS و رگرسیون خطی چند متغیره MLR، دومین کنگره ملی توسعه و ترویج مهندسی کشاورزی و علوم خاک ایران، تهران، انجمن توسعه و ترویج علوم و فنون بنیادین، https://www.civilica.com/Paper-ISCONF02-ISCONF02_047.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: (باقرپور, سحر؛ مریم نیلفروش؛ مهسا آقابزرگی و اکرم کریمی، ۱۳۹۵)
برای بار دوم به بعد: (باقرپور؛ نیلفروش؛ آقابزرگی و کریمی، ۱۳۹۵)
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 :

  • افیونی، م. عرفان منش، م. آلودگی محیط زیست: آب، خاک ...
  • امیربیگی، ح. و احمدی آسور، ا. بهداشت هوا و روش‌های ...
  • بوداقپور، س. و چرخستانی، ا. پیش‌بینی میزان غلظت آلاینده‌های هوای ...
  • برآورد برخی ویژگی های فیزیکی و مکانیکی خاک با استفاده از شبکه های عصبی مصنوعی [مقاله کنفرانسی]
  • مدل سازی و تعیین پارامترهای مؤثر بر شکل گیری طوفانهای گرد و غبار در شهرستان رفسنجان با استفاده از ماشین های بردار پشتیبان [مقاله کنفرانسی]
  • بسالت پور، ع ا. شیرانی، ح و اسفندیار پور بروجنی، ...
  • توکلی، م. اسماعیلی ساری، ع. عملکرد مدل شبکه عصبی مصنوعی ...
  • حاتمی، ح. رضوی، م. افتخار اردبیلی، ح. مجلسی، ف.؛ نوزادی، ...
  • مدلسازی و پیش بینی تشکیل ازون هوای شهرستان مشهد با استفاده از شبکه عصبی- فازی ANFIS [مقاله کنفرانسی]
  • حسینی، س م. بررسی حقوقی ریزگردها از منظر آلودگی های ... (مقاله ژورنالی)
  • شبانی، ش و عزتیان، و. رابطه بین بیماری ها با ... (مقاله ژورنالی)
  • ضرابی، اد محمدی، ج و عبدالهی، ع ا. بررسی و ...
  • علیاری شوره‌دلی، م. تشنه لب، م. و خاکی، ع. پیش‌بینی ... (مقاله ژورنالی)
  • فلاحتی، ع. سهیلی، ک. نظیفی، م و عباسپور، س. بررسی ... (مقاله ژورنالی)
  • _ Brunelli, V. Piazza, L. Pignato, F. Sorbello, S. Vitabile, ...
  • M. Franklin, A. Zekam, J. Schwartz, Association between PM2.5 and ...
  • J. S. R. Jang, ANFIS: Adaptive -Network-B ased Fuzzy Inference ...
  • I. G. McKendry, "Evaluation of Artificial Neural Networks for ine ...
  • P. Perez, and J. Reyes. An integrated neural network modl ...
  • J. Sobhanim, M. Najimi, A. R. Poutkhorshidi, T. Parhizkar. Prediction ...
  • World Health Organization. United Nation Environmentl Program, Urban Air pollution ...
  • I. Yilmaz, G. Yuksek, Prediction of the strength and elasticity ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۰۱۲
    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

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • مدیریت بحران > آلودگی هوا
  • 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.