Abstract

هدف اصلی تحقیق استفاده از مدلی است که بتواند بین عناصر اقلیمی و آلودگی هوا ارتباط برقرار کند. بدین منظوراز سه مدل متفاوت شبکه عصبی احتمالی، مدل رگرسیون خطی و مدل پرسپترون چندلایه استفاده شد. برای این تحقیق از آمار یک ساله‌ی اداره‌ی حفاظت محیط زیست مشهد استفاده شد. این ‌آمار مربوط به آلاینده های هوا شامل (CO- NO- O3- SO2) و آمار هواشناسی شامل پارامترهای اقلیمی (رطوبت نسبی، درجه حرارت، جهت‌ باد و سرعت باد)‌ می‌باشد. داده‌ های آلودگی هوا از تعداد 11 ایستگاه آلوده سنجی جمع‌آوری شده است. این داده‌ها به صورت ساعتی بوده و سپس از آنها میانگین گرفته شد.پس‌ازدرون‌یابی ‌فاصله ‌معکوس ‌وزندار وتحلیل داده‌ها به منظور پیش‌بینی روابط داده‌ها با استفاده از مدل شبکه عصبی داده‌ها به دسته‌های آموزشی(70%)، ارزیابی(15%)‌ و تست(15%) طبقه بندی شدند. در این تحقیق برای تحلیل، از دسته‌ی داده‌های آموزشی استفاده شد. نتایج نشان داد‌ که میزان میانگین مربعات خطا(MSE) و میانگین مطلق خطا (MAE) در مدل شبکه عصبی احتمالی‌ پایین‌تر بوده و نتایج نشان داده است که مدل شبکه عصبی احتمالی، توانسته است رابطه منطقی بین آلودگی هوا و پارامترهای هواشناسی برقرار کند. از بین عناصر اقلیمی تاثیرگذار بر منواکسید کربن، رطوبت نسبی در ساعت 12:30و جهت باد بیشترین اثر را داشته‌اند، همچنین عواملی اقلیمی تاثیرگذار بر غلظت دی‌اکسید گوگرد رطوبت نسبی در ساعت 6:30 و درجه حرارت مطلق‌ بوده است.

Full Text
Published version (Free)

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call