پیش بینی میزان آلایندگی در اکسید کربن با استفاده از شبکه عصبی پرسپترون چند لایه با نظارت الگوریتم جهت قورباغه

امروزه مشکلات ناشی ازالودگی هوا درکلانشهرها به یک چالش زیست محیطی اساسی تبدیل شده است این مشکل درمورد شهرتهران به دلیل حجم ترافیکی سنگین ناشی ازترابری استفاده ازخودروهای غیراستاندارد احتراق ناقص سوختهای مورداستفاده خودروها و بی توجهی که طی سالهای گذشته نسبت به الودگی هوا صورت گرفته اهمیت ویژه ای دارد پیش بینی غلظت روزانه الاینده های هوا اولین گام اساسی دربرنامه ریزی کاهش اثرات آنهاست دراین مقاله ابتدا پیش پردازش داده ها صورت میگیرد که شامل پاکسازی داده ها نرمال سازی خطی و انتخاب ویژگی است سپس شبکه عصبی پرسپترون چندلایه بااستفاده ازالگوریتم جهش قورباغه اموزش داده میشود و خطای آن با خطای شبکه عصبی آموزش داده شده توسط الگوریتم رقابت استعماری مقایسه میشود نتایج نشان میدهد که شبکه عصبی پرسپترون چندلای اموزش یافته باالگوریتم جهش قورباغه بامیانگین مربعات خطای 0.089 و 0.088 به ترتیب دراموزش و ازمایش میتواند پیش بینی میزان الایندگی دی اکسیدکربن را انجام دهد

کلیدواژه ها:

پیش بینی ، پاکسازی داده ها ، نرمال سازی ، انتخاب ویژگی ، الگوریتم جهش قورباغه ، الگوریتم رقابت استعماری ، شبکه عصبی پرسپترون چندلایه