به کارگیری RNN و ANFIS در پیش بینی شاخص غلظت NO2 و O3در تهران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 894
فایل این مقاله در 11 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:
EECICO01_138
تاریخ نمایه سازی: 18 بهمن 1392
چکیده مقاله:
امروزه مشکل آلودگی های هوا یکی از مهم ترین مسائل شهرهای پرجمعیت جهان است و تعداد زیادی از شهرهای بزرگ ایران نیز از آن رنج می برند. غلظت بالای آلاینده ها باعث ایجاد مشکلات سلامتی، زیست محیطی و... می شود. بنابراین پیش بینی این آلودگی ها جهت کنترل و کاهش آن بسیار لازم به نظر می-رسد. در این تحقیق، جهت پیش بینی میزان شاخص غلظت آلاینده های NO2 و O3، مدل های شبکه عصبی بازگشتی RNN و عصبی- فازی ANFIS، را روی داده های ایستگاه ژئوفیزیک که به صورت روزانه بین سال های 1388 تا 1390 جمع آوری شده است به کار بردیم. این پژوهش با هدف بررسی کارایی شبکه عصبی بازگشتی و عصبی- فازی در پیش بینی میزان شاخص آلاینده های NO2 و O3انجام گرفت . نتایج به دست آمده از این تحقیق نشان می دهد که مدل های فوق قابلیت بسیار خوبی در پیش بینی میزان غلظت آلاینده های هوا دارند.
کلیدواژه ها:
آلودگی هوا ، شبکه های عصبی مصنوعی بازگشتی(ANN-RNN) ، مدل عصبی-فازیANFIS)) ، منواکسیدنیتروژن(NO2) ، ازون(O3)
نویسندگان
شقایق نیرم
دانشجوی کارشناسی ارشد مهندسی کامپیوتر- نرم افزار، دانشگاه آزاد اسلامی پردیس علوم و تحقیقات شاهرود، گروه کامپیوتر، شاهرود، ایران
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 :