پیش بینی آلودگی هوای شهر تهران با استفاده از ترکیب شبکه عصبی فازی تطبیقی وآنالیز مولفه اصلی
محل انتشار: نشریه سنجش از دور و GIS ایران، دوره: 9، شماره: 3
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-9-3_004
تاریخ نمایه سازی: 9 آبان 1400
چکیده مقاله:
رشد و توسعه شهری و افزایش استفاده از وسایل نقلیه در سال های اخیر منجر به افزایش آلودگی هوا، به ویژه در شهر های بزرگ و صنعتی، شده است. با توجه به آثار نامطلوب آلودگی هوا در سلامت انسان ها و دیگر جانداران، پیش بینی و مدل سازی این پدیده پیچیده از دغدغه های اصلی محققان در سال های اخیر بوده است. هدف این تحقیق طراحی سیستمی است به منظور پیش بینی آلودگی هوا، طی ۲۴ ساعت آینده، تا با شناسایی مناطق آلوده، به مدیران و برنامه ریزان شهری برای کنترل و کاهش میزان آلاینده ها کمک کند. در سیستم طراحی شده، از ترکیب آنالیز مولفه اصلی و شبکه عصبی فازی – تطبیقی (PCA-ANFIS)، به منظور پیش بینی آلودگی هوا در فصل های متفاوت، استفاده شده است. در این سیستم، داده های هواشناسی و غلظت آلاینده ها در روزهای گذشته، برای پیش بینی آلودگی هوای شهر تهران در ۲۴ ساعت آینده، به کار رفته است. همچنین، از پارامتر های مکانی مانند ارتفاع، توپوگرافی سطح زمین و فاصله از جاده به منظور مدل سازی مکانی پراکندگی آلودگی هوا استفاده شده است. نتایج حاصل از مقایسه روش ترکیبی PCA-ANFIS با روش ANFIS دقت و سرعت بالاتر مدل ترکیبی طراحی شده را، به نسبت روش ANFIS در پیش بینی آلودگی هوا طی ۲۴ ساعت آینده، بیان می کند.
کلیدواژه ها:
نویسندگان
زینب قائمی
دانشجوی دکترای سیستم اطلاعات مکانی، دانشکده مهندسی ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی
محمد طالعی
دانشیار دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
مهدی فرنقی
استادیار دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
قاسم جوادی
عضو هیئت علمی گروه مهندسی عمران، نقشه برداری، دانشکده فنی و مهندسی، دانشگاه بجنورد
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 :