روابط فضایی بین عناصر اقلیمی و آلودگی هوا در مشهد با استفاده از مدل شبکه عصبی مصنوعی
پایان نامه
- دانشگاه تربیت معلم - تهران - دانشکده جغرافیا
- نویسنده حمید کاخکی مهنه
- استاد راهنما محمد سلیقه
- سال انتشار 1392
چکیده
مخاطرات محیطی یکی از انواع مخاطراتی است که برای جوامع انسانی خطراتی به بار می آورد،از جمله این مخاطرات آلودگی هوا می باشد. آلودگی هوا یک خطر اصلی زیست محیطی بر سلامت انسانها در بسیاری از شهرهای توسعه یافته یا در حال توسعه در جهان هست.سطح آلودگی هوا معمولا به وسیله غلظت آلاینده های هوا مانند دی اکسید نیتروژن،دی اکسید گوگرد،منواکسید کربن،ازن وذرات معلق مشخص می شود هدف اصلی این تحقیق استفاده از مدلی که بتواند بین عناصر اقلیمی و آلاینده های هوا رابطه برقرار کند. بدین ترتیب جهت بررسی روابط بین عناصر اقلیمی و آلاینده های هوا،ازداده های 11 ایستگاه آلاینده هوا موجود در شهر مشهد که به صورت ساعتی بوده،وهمچنین از داده های روزانه ایستگاه سینوپتیک مشهد برای یک دوره یک ساله استفاده شده است. داده های اقلیمی شامل پارامترهای فشار هوا،جهت باد،سرعت باد،بارندگی،رطوبت نسبی(ساعت 6.30،12.30 و 18.30) و درجه حرارت (میانگین،حداثر وحداقل)می باشد.در این تحقیق ابتدا از داده های ساعتی 11ایستگاه موجود در شهر مشهد میانگین گرفته شده وسپس با استفاده از نرم افزار lr{arc gis}،به وسیله روش درون یابی idw ،برای تک،تک آلاینده ها درون یابی انجام شدو داده ها به صورت فصلی مرتب شد ند.سپس داده ها،با استفاده از نرم افزارneurosolutions،با سه مدل شبکه عصبی احتمالی،پرسپترون چند لایه و مدل رگرسیون خطی ،مورد پردازش قرار گرفتند.در این نرم افزار داده ها به سه دسته آموزشی،ارزیابی و آزمون تقسیم بندی شده اند، که 70درصد از داده ها به داده های آموزشی و 15 درصد از داده ها، به داده های ارزیابی و15درصد داده های آزمون، اختصاص داده شد.سپس میزان ضریب همبستگی بین آلاینده های هوا وعناصر اقلیمی به دست آمده،ونشان داده شد که درجه حرارت و رطوبت نسبی بیشترین همبستگی را با آلاینده های هوا در طی فصول بهار ،تابسان و پاییز داشته،و سرعت باد وفشار هوا در فصل زمستان بیشترین همبستگی را نشان داده است.همچنین نتایج نشان داد که مدل شبکه عصبی احتمالی با کمترین مقدار خطا و بیشترین میزان ضریب همبستگی نسبت به دو مدل رگرسیون خطی و پرسپترون چند لایه بهترین مدل بوده که توانسته است رابطه معناداری بین آلودگی هوا و عناصر اقلیمی برقرار کند و از دقت پیش بینی بهتری برخوردار باشد.
منابع مشابه
بررسی و مدلسازی اثر آلودگی هوا بر سلامت، با استفاده از شبکه عصبی مصنوعی
Background & Objectives: Economic growth has been along with increasing energy demand in the world in addition environment pollutions which healthy life nowadays faces up with major challenges. Since there are several influential factors in this model, therefore this study designed to assess the effect of some independent socio-economic variables on the people health. Methods: An artificial ne...
متن کاملبررسی و مدل سازی اثر آلودگی هوا بر سلامت، با استفاده از شبکه عصبی مصنوعی
مقدمه و اهداف: امروزه، بحران ناشی از مصرف بی رویه مواد و انرژی و افزایش آلودگی های محیط زیست، از جمله چالش های که پیش روی بشر است. توجه به توسعه پایدار، به گونه ای که کمترین آسیب به محیط زیست و سلامت افراد جامعه را به همراه داشته باشد، راهکاری اجتناب ناپذیر برای پشت سر گذاشتن این بحران است. رشد اقتصادی با افزایش تقاضای انرژی همراه است و زمینه ارتقای سلامت را فراهم می آورد، اما در صورت سیاست گذا...
متن کاملمدل سازی تبخیر- تعرق گیاه پتانسیل با استفاده از شبکه عصبی مصنوعی با حداقل متغیرهای اقلیمی در ایستگاه سینوپتیک مشهد
متن کامل
توسعه مدل پیش‌بینی غلظت ازن در هوا با استفاده از شبکه عصبی مصنوعی
با توجه به مضرات ازن بر سلامت انسان و محیط‌زیست و افزایش آن در دهه‌های گذشته، بررسی و پیش‌بینی میزان آن در هوا از اهمیت بالایی برخوردار است. پیش‌بینی غلظت ازن در هوا می تواند برای پیشگیری و کنترل توسط مسئولان استفاده شود. در این مقاله پارامترهای مهم و تأثیرگذار بر غلظت ازن با استفاده از داده‌های پایش کیفیت هوا ایستگاه‌های آزادی و امام خمینی طی سال‌های 2009 تا 2010، بررسی شده است. در این راستا م...
متن کاملتاثیر آلودگی هوا بر پذیرش بیمارستانی با علایم تنفسی با استفاده از مدل شبکه عصبی
Background and Aim: A ssociations between air pollution and morbidity have been reported in several studies. Due to limited publications in the literature for Iran, this study aimed to determine the association between air pollution and hospital admissions of respiratory disease patients in Tabriz, Iran. Materials and Methods: The methodology used in this study was case -crossover and the a...
متن کاملبرآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی شهرستان سنندج با استفاده از مدل شبکه عصبی مصنوعی
زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...
متن کاملمنابع 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 @}
نوع سند: پایان نامه
دانشگاه تربیت معلم - تهران - دانشکده جغرافیا
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023