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

پیش بینی کوتاه مدت اقلیمی آلودگی هوا با استفاده از شبکه های پرسپترون LLD

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۵۰۹ | نظرات: ۰
سرفصل ارائه مقاله: اطلاع رسانی تغییر اقلیم
سال انتشار: ۱۳۸۲
کد COI مقاله: RCCC03_062
زبان مقاله: فارسی
حجم فایل: ۲۵۳.۵۸ کلیوبایت (فایل این مقاله در ۷ 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 ۷ 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 پیش بینی کوتاه مدت اقلیمی آلودگی هوا با استفاده از شبکه های پرسپترون LLD

    مهدی علیاری شوره دلی (شناسه پژوهشگر - Researcher ID: ۱۰۲۳)
دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده برق
  محمد تشنه لب - دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده برق
    علی خاکی صدیق (شناسه پژوهشگر - Researcher ID: ۱۱۴۹)
دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده برق

چکیده مقاله:

هدف از این مقاله، پیش بینی کوتاه مدت آلودگی هوا با کمک شبکه های عصبی پرسپترون چند لایه می باشد که در عین سادگی این نوع شبکه ها در سیستم های هوشمند کارایی بسیار خوبی در پیش بینی دارند، این پیش بینی وضعیت تغییرات آلاینده های هوا باعث صرفه جویی در وثع و هزینه در اقلیمهای شهری می شود. مقاله ارایه شده شامل چند تست آماری جهت قابلیت پیش بینی می باشد و در انتها به کمک شبکه های MLP اقدام به پیش بینی نیم ساعت آینده گازهای آلاینده هوا نموده است.

کلیدواژه‌ها:

آلودگی هوا Air Pollution ، پیش بینی کوتاه مدت Short - Term prediction ، شبکه های عصبی Neural Network ، پرسپترون چند لایه Multi Layer Perspetron (MLP) ، آموزش Propagation Back Bp ، سریهای زمانی Time Series

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-RCCC03-RCCC03_062.html
کد COI مقاله: RCCC03_062

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:
علیاری شوره دلی, مهدی؛ محمد تشنه لب و علی خاکی صدیق، ۱۳۸۲، پیش بینی کوتاه مدت اقلیمی آلودگی هوا با استفاده از شبکه های پرسپترون LLD، سومین کنفرانس منطقه ای تغییر اقلیم، اصفهان، سازمان هواشناسی کشور، دانشگاه اصفهان، https://www.civilica.com/Paper-RCCC03-RCCC03_062.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: (علیاری شوره دلی, مهدی؛ محمد تشنه لب و علی خاکی صدیق، ۱۳۸۲)
برای بار دوم به بعد: (علیاری شوره دلی؛ تشنه لب و خاکی صدیق، ۱۳۸۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۱۲۴۵۶
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.