مدلسازی مکانی غلظت مونوکسید کربن در تهران

مدلسازی مکانی غلظت مونوکسید کربن در تهران با استفاده از رگرسیون چند متغیره و شبکه های عصبی

مهرداد رفیع پور ، علی اصغر آل شیخ ، عباس علیمحمدی سراب ، ابوالقاسم صادقی نیارکی

چکیده

در مقاله حاضر به مدلسازی مکانی غلظت آلاینده مونوکسیدکربن با بهره گیری از سیستم اطلاعات مکانی و با استتفاده از رگرسیون چند متغیره و شبکه های عصبی پرداخته شده است. برای این مدلسازی از 18 ایستگاه شبکه پایش  کیفیت هوای تهران استفاده شد؛ و پارامترهای موقعیت،ارتفاع و فاصله از خیابان اصلی به عنوان پارامترهای مکانی موثر در نظرگرفته شدند. رگرسیون چند متغیره و سه نوع شبکه عصبی مصنوعی شامل MLP ، RBF و GRNN در این تحقیق مورد استفاده قرار گرفته است. خطای هرکدام از روش ها محاسبه شد و نتایج نشان داد که شبکه عصبی MLP کارایی بهتری نسبت به مدل های دیگر برای مدلسازی مکانی آلودگی هوا دارد؛ در حالی که رگرسیون چند متغیره از کمترین دقت برخوردار است. در نهایت اطلاعات تولید شده توسط این مدلسازی می تواند در آنالیز، برنامه ریزی و مدیریت کیفیت هوای شهر مورد استفاده قرار گیرد.

دانلود

تکنیک شبکه های عصبی مصنوعی و زمین آمار در بازسازی میانگین ماهانه بارندگی

بازسازی مکانی- زمانی دراز مدت میانگین ماهانه بارندگی با استفاده از تکنیک شبکه های عصبی مصنوعی و زمین آمار ( مطالعه موردی: شمال غرب ایران)

علی اکبر متکان، حسن لشکری، بابک میر باقری، بهناز عربی

چکیده: ورودی اکثر مدلهای هیدرولوژیکی نیازمند اطلاعات دراز مدت و همزمان بارش به صورت مکانی و زمانی در ایستگاه های باران سنجی است که بدلیل عدم تاسیس ایستگاههای ثبت بارندگی در گذشته در ایران و نقصان در ثبت آمار بارندگی دسترسی به آمار دراز مدت در بسیاری ازمناطق کشور با محدودیت هایی همراه شده که عملا پیاده سازی این مدلها را در این مناطق غیر ممکن ساخته است.استفاده از شبکه های عصبی مصنوعی امکان بازسازی این اطلاعات را در ایستگاه های پراکنده باران سنجی فراهم می کند

اصل مقاله را از اینجا دانلود نمایید.