استفاده از شبکه بازگشتی NAR برای پیش بینی غلظت مونوکسید کربن

نویسندگان

  • عباس علیمحمدی دانشیار رشته سیستم اطلاعات مکانی دانشگاه صنعتی خواجه نصیرالدین طوسی
  • علی اصغر آل‌شیخ دانشیار رشته سیستم اطلاعات مکانی دانشگاه صنعتی خواجه نصیرالدین طوسی
  • مهرداد رفیع پور دانشجوی کارشناسی ارشد رشته سیستم اطلاعات مکانی دانشگاه صنعتی خواجه نصیرالدین طوسی (مسوول مکاتبات)
چکیده مقاله:

زمینه و هدف: آلودگی هوا یکی از مشکلات مهم شهر‌های بزرگ محسوب می‌شود. یکی از اهداف مسئولین شهری آگاهی از میزان کیفیت هوا در آینده است؛ برای پیشبینی کیفیت هوا، باید غلظت هریک از آلاینده‌ها مدلسازی شده و با استفاده از مدل ایجاد شده، نسبت به پیشبینی مقادیر هریک از آلاینده‌ها اقدام شود. با توجه به اینکه مونوکسید کربن یکی از آلاینده‌های مهم هوا است، و تاثیرات زیانباری بر سلامت انسان دارد. روش بررسی: در این مقاله به مدلسازی و پیشبینی 24 ساعته غلظت مونوکسید کربن با استفاده از شبکه‌های عصبی بازگشتی NAR و مدل آماری ARMA پرداخته شده و سپس نتایج این دو روش با یکدیگر مقایسه شده است. برای این منظور از داده‌های سال 2009 از 29 نوامبر تا 31 دسامبر، مربوط به غلظت آلاینده مونوکسیدکربن اندازه‌گیری شده در ایستگاه آزادی از ایستگاه‌های پایش کیفیت هوا متعلق به سازمان محیط زیست استان تهران استفاده شده است. یافته‌ها: نتایج مدلسازی نشان می‌دهد که شبکه عصبی NAR دارای دقت بهتری نسبت به روش ARMA  برای پیشبینی و مدلسازی غلظت مونوکسید کربن است. شبکه عصبی NAR با MSE کمتر از 6/1 دقت مناسبی در پیشبینی غلظت آلاینده مونوکسید کربن داشت. همچنین همبستگی بین مقادیر پیشبینی شده و مقادیر واقعی برای شبکه عصبی NAR، 84 درصد می‌باشد. در حالی که مدل ARMA دارای MSE برابر 46/5  و ضریب همبستگی 72 درصد می باشد. نتیجه‌گیری: می‌توان نتایج پیشبینی را جهت آگاه‌سازی عمومی در اینترنت و شبکه‌های جمعی منتشر کرد. همچنین نتایج مدلسازی و پیشبینی می‌تواند برای مدیریت بهتر آلودگی هوا توسط مدیران مورد استفاده قرار گیرد. نتایج این تحقیق نشان می‌دهد که شبکه عصبی NAR قابلیت بسیار بالایی در پیشبینی سری زمانی غاظت مونوکسیدکربن دارد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

استفاده از شبکه بازگشتی nar برای پیش بینی غلظت مونوکسید کربن

زمینه و هدف: آلودگی هوا یکی از مشکلات مهم شهر های بزرگ محسوب می شود. یکی از اهداف مسئولین شهری آگاهی از میزان کیفیت هوا در آینده است؛ برای پیشبینی کیفیت هوا، باید غلظت هریک از آلاینده ها مدلسازی شده و با استفاده از مدل ایجاد شده، نسبت به پیشبینی مقادیر هریک از آلاینده ها اقدام شود. با توجه به اینکه مونوکسید کربن یکی از آلاینده های مهم هوا است، و تاثیرات زیانباری بر سلامت انسان دارد. روش بررسی: ...

متن کامل

مقایسة دو روش مدل‌سازی با استفاده از شبکة عصبی- فازی در پیش بینی غلظت آلایندة مونوکسید کربن

پایش و پیش‌بینی مشخصه‌های کیفیت هوا در مناطق شهری یکی از چالش‌های محیط زیست انسانی محسوب می‌شود. این مهم وابسته به عوامل متعددی مانند توپوگرافی، اقلیم، جمعیت و شبکة حمل ‌و ‌نقل است که نحوة تعامل این عوامل مکانی به عنوان پدیده‌‌ای دینامیک، غیر خطی و دارای ابهام عنوان شده است. در این تحقیق به منظور پیش بینی و مدل‌سازی میزان آلاینده مونوکسیدکربن از شبکة عصبی- فازی و GIS در قالب دو مدل متفاوت استفا...

متن کامل

مقایسة دو روش مدل سازی با استفاده از شبکة عصبی- فازی در پیش بینی غلظت آلایندة مونوکسید کربن

پایش و پیش بینی مشخصه های کیفیت هوا در مناطق شهری یکی از چالش های محیط زیست انسانی محسوب می شود. این مهم وابسته به عوامل متعددی مانند توپوگرافی، اقلیم، جمعیت و شبکة حمل و نقل است که نحوة تعامل این عوامل مکانی به عنوان پدیده ای دینامیک، غیر خطی و دارای ابهام عنوان شده است. در این تحقیق به منظور پیش بینی و مدل سازی میزان آلاینده مونوکسیدکربن از شبکة عصبی- فازی و gis در قالب دو مدل متفاوت استفاده ...

متن کامل

مقایسه کاربرد روش های شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره براساس تحلیل مؤلفه های اصلی برای پیش بینی غلظت میانگین روزانه کربن مونوکسید: بررسی موردی شهر تهران

هدف از این مقاله، پیش بینی میانگین غلظت روزانه کربن مونوکسید در هوای شهر تهران با استفاده از دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره برحسب تحلیل مؤلفه اصلی (pca) است. از روش pca برای از بین بردن هم راستایی چندگانه (multicolinearity) بین متغیرهای ورودی و تفسیر بهتر نتایج مدل رگرسیونی استفاده شده است. همچنین با استفاده از شبکه عصبی feed-forward با یک لایه پنهان نیز مدل مناسب برای این ام...

متن کامل

پیش بینی میزان غلظت آلاینده های هوای تهران با استفاده از شبکه عصبی مصنوعی

در این تحقیق شبکه عصبی مصنوعی جهت برآورد و پیش بینی غلظت گازهای آلاینده هوا به کار رفته است.با توجه به خطر آلودگی هوا در شهر تهران و ایجاد مشکلات زیست محیطی و بیماری های خطرناک تنفسی و پوستی به ویژه برای کودکان و سالمندان و نیاز شدید به کنترل آن ، این تحقیق در جهت برنامه ریزی و کنترل این مشکل در تهران و همچنین شهرهای بزرگ دیگر انجام گرفته است. برای این منظور از آمار غلظت گازهای آلاینده هوای ثبت...

متن کامل

ارزیابی دقت شبکه عصبی مصنوعی بازگشتی نارکس در پیش بینی بارش روزانه در استان کرمان

بارش یکی از پارامترهای مهم اقلیمشناسی و سایر علوم جوّی که از اهمیّ تّ والای یّ در حیات بشر برخوردار است. در سالهای اخیر، سیل و خشکسالی خسار های فراوانی را در بس یّاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلا نق شّ مهمی بر عهده دارد. امروزه شبکههای عصبی مصنوعی از جمله روشهای نوین م یّباش دّ ک هّ برای تخمین و پیشبینی پارامترها با استفاده از ارتباط ذاتی بین دادهه اّ توس عّه یا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 18  شماره 3

صفحات  127- 140

تاریخ انتشار 2016-09-22

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023