پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 115,000,034 |
| تعداد دریافت فایل اصل مقاله | 89,676,788 |
ارزیابی کاربرد شبکه‌های عصبی مصنوعی در پیش‌بینی منوکسید کربن در هوای شهر تبریز | ||
| مجله منابع طبیعی ایران (منتشر نمی شود) | ||
| مقاله 12، دوره 61، شماره 4 - شماره پیاپی 1000378، فروردین 1388 اصل مقاله (348.99 K) | ||
| نویسندگان | ||
| میرستار صدرموسوی؛ اکبر رحیمی* | ||
| چکیده | ||
| یکی از تنگناهای بزرگ درکلان شهرها، آلودگی‌های هوا می‌باشد. پیش‌بینی آلودگی هوا یکی از موضوع ها مهم در ناحیه های شهری به شمار می‌رود. روش‌های زیادی برای پیش‌بینی غلظت آلاینده‌های هوا وجود دارد. در سال‌های اخیر پیشرفت قابل توجهی در گسترش مدل‌های شبکه عصبی برای پیش‌بینی آلودگی هوا صورت گرفته است. در این پژوهش، ضمن بهره گیری از شبکه‌های عصبی مصنوعی برای پیش‌بینی غلظت منوکسید کربن درکلان شهر تبریز، ارتباط غلظت این آلاینده با مشخصه های آب و هوایی به صورت ساعتی، برای ماه‌های آذر و دی سال 1382، با شبکه پرسپترون چندلایه مدلسازی شده است. کارایی شبکه پرسپترون چندلایه با مدل خطی ARIMA مقایسه شد. نتیجه نمایانگر آن بود که بین غلظت منوکسید کربن و مشخصه های آب و هوایی، از جمله سرعت و جهت باد و رطوبت نسبی، رابطه به طورکامل غیر خطی برقرار است. استقرار مراکز بزرگ صنعتی در غرب و جنوب غرب شهر تبریز مهم‌ترین منبع آلودگی هوا می‌باشد. وزش باد از طرف غرب و جنوب غربی در ماه‌های مورد بررسی، باعث انتقال آلودگی به طرف شهر می‌شود. بنابراین، این عامل یکی از عامل های مهم آلودگی هوا در شهر تبریز می‌باشد. | ||
| کلیدواژه‌ها | ||
| شبکه‌های عصبی مصنوعی؛ پرسپترون چندلایه؛ روش ARIMA؛ آلودگی هوا؛ غلظت منوکسید کربن | ||
| عنوان مقاله [English] | ||
| The application of artificial neural networks in prediction of | ||
| چکیده [English] | ||
| Air pollution is one of the main problems in metropolitan areas. Therefore, the prediction of air pollution can be regarded as one of the important issues of air quality research in urban areas. There are many methods for the prediction of air pollutant concentration. In recent years, there has been considerable progress in the development of neural network models for air quality prediction. In this paper, artificial neural network has been used for the prediction of CO concentration in Tabriz. Hourly correlation between the concentration of CO and metrological variables was calculated by multilayer perceptron for the months of December and January 2003. Multilayer perceptron performance was compared with traditional methods such as auto-regressive integrated moving average (ARIMA). The results indicated that there was a high non-linear correlation between CO concentration and metrological variables such as: speed and direction of wind; and relative humidity. The location of large industries in the west and southwest of Tabriz were found to be the most effective elements in air pollution. Blowing of winds from west and southwest directions, on the months of December and January have caused pollution are transferred to the inner parts of Tabriz. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural Networks, Multilayer Perceptron, ARIMA, Air pollution, CO concentration | ||
|
آمار تعداد مشاهده مقاله: 1,811 تعداد دریافت فایل اصل مقاله: 1,529 |
||