پیش¬بینی غلظت مونوکسیدکربن در شمال شهر تهران با استفاده از روش آنالیز مولفه اصلی و رگرسیون خطی چند متغیره

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,513

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEE01_320

تاریخ نمایه سازی: 8 تیر 1385

چکیده مقاله:

هدف از این تحقیق پیش بینی میانگین غلظت روزانه مونوکسیدکربن در هوای شهر تهران با استفاده از مدل رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی میباشد. برای این منظور در ابتدادر این مطالعه از روش آنالیز مولفه های اصلی (PCA ) برای از بین بردن هم راستایی چندگانه بین متغیرهای ورودی و تفسیر بهتر نتایج مدل رگرسیونی استفاده گردید. همچنین با استفاده از شبکه عصبی Feed-Forward سه لایه نیز مدل مناسب جهت این امر ایجاد گردید. جهت پیش بینی غلظت مونوکسیدکربن آمار سالهای 1383 و1384 ایستگاه قلهک واقع در شمال تهران مورد استفاده قرار گرفت. پس از اجرای مدلهای مذکور، ضریب همبستگی (R) و شاخص میانگین نسبی خطای مطلق (MARE) در شبکه عصبی، برای مرحله تست به ترتیب برابر با0/716 و 0/158 به دست آمده است که در مقایسه با مدل ترکیبی رگرسیونی (0/189= MARE و 0/581= R) حاکی از برتری مطلق نتایج شبکة عصبی نسبت به مدل ترکیبی رگرسیونی می باشد.

نویسندگان

روح اله نوری

دانشجوی کارشناسی ارشد عمران-محیط زیست دانشگاه تربیت مدرس تهران

حسین گنجی دوست

استاد گروه مهندسی محیط زیست، دانشکده فنی دانشگاه تربیت مدرس

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Gilbert, R.O., 1987. Statistical Methods for Env ironmental Pollution Monitoring. ...
  • -Zannetti, P., 1990. Air Pollution Modelling, Theories, C omputational Methods ...
  • -Nunnari, G., Dorling, S., Schlink, U., Cawley, G., Foxall, R., ...
  • -Boznar, M., Lesjak, M. and Mlakar, P., 1993. A neural ...
  • -Gardner, M.W., Dorling, S.R., 1998. Artificial neural networks (the multilayer ...
  • -Finzi, G., Volta, M., Nucifora, A., Nunnari, G., 1998. Real-time ...
  • -Nunnari, G., Nucifora, A., Randieri, C., 1998. The application of ...
  • -Nunnari, G., Bertucco, L., 2001. Modelling air pollution time-series by ...
  • -Sahin, U., Ucan, O.N., Soyhan, B., Bayat, C., 2004. Modelling ...
  • 0] -Moseholm, L., Silva, J., Larson, T.C., 1996. Forecasting carbon ...
  • Chelani, A.B., Chalapati Rao, C.V., Phadke, K.M., Hasan, M.Z., 2002. ...
  • - Sahin, U., Ucan, O.N., Bayat, C., Oztorun, N., 2005. ...
  • 3] -Camdevyren, H., Demyr, N., Kanik, A., Keskyn, S., 2005. ...
  • -Lu, W. Z., Wang, W. J., Wang, X. K., Xu, ...
  • -Manly, B.F.J., 1986. Multivariate Statistical Methods: A Primer. Chapman & ...
  • -Helena, B., Pardo, R., Vega, M., Barrado, E., Ferna ndez, ...
  • -Johnson, R.A. , Wichern, D .W., 1982. Applied Multivariate Statistical ...
  • -Legates, D.R. and McCabe, G.J. (1 999) .Evaluating the use ...
  • -Vega, M., Pardo, R., Barrado, E., Deban, L., 1998. Assessment ...
  • -Morales, M.M., Marti, P., Llopis, A., Campos, L., Sagrado, S., ...
  • 1]-Simeonov, V., Stratis, J.A., Samara, C., Zachariadis, G., Voutsa, D., ...
  • نمایش کامل مراجع