برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
زمستان 1391 , دوره  38 , شماره  64 ; از صفحه 29 تا صفحه 44 .
 
عنوان مقاله: 

مقايسه دو روش مدل سازي با استفاده از شبکه عصبي- فازي در پيش بيني غلظت آلاينده مونوکسيد کربن

 
نویسندگان: 
 
آدرس:  
* دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
 
چکیده: 

پايش و پيش بيني مشخصه هاي کيفيت هوا در مناطق شهري يکي از چالش هاي محيط زيست انساني محسوب مي شود. اين مهم وابسته به عوامل متعددي مانند توپوگرافي، اقليم، جمعيت و شبکه حمل و نقل است که نحوه تعامل اين عوامل مکاني به عنوان پديده اي ديناميک، غير خطي و داراي ابهام عنوان شده است. در اين تحقيق به منظور پيش بيني و مدل سازي ميزان آلاينده مونوکسيدکربن از شبکه عصبي- فازي و GIS در قالب دو مدل متفاوت استفاده شده است. در مدل اول داده هاي آموزشي با استفاده از روش کريجينگ ايجاد و براي هر ايستگاه ناحيه اي در نظر گرفته شد که از داده هاي موجود در آن ناحيه، براي آموزش آن استفاده شد. براي هر ناحيه قانون هاي فازي استخراج شده و به هر پيکسل آن ناحيه اعمال و ميزان آلاينده تخمين زده شد. در مدل دوم هر ايستگاه به طور جداگانه با استفاده از داده هاي خود آموزش داده شد. براي هر ايستگاه قانون هاي فازي آن استخراج شده و غلظت آلاينده تخمين زده شد. به علت اين که پيش بيني در ايستگاهها صورت مي گيرد، در نهايت براي مدل سازي مکاني غلظت در محدوده مورد مطالعه از روش کريجينگ استفاده شده است. براي انجام تست عملي اين تحقيق، از داده هاي هواشناسي ايستگاههاي واقع در سطح شهر تهران استفاده شد. ميانگين RMSE مجموعه ايستگاهها در مدل اول با قانون هاي سوگنو، 1.613 ppm و با قانون هاي ممداني، 1.484 ppm و در مدل دوم با قانون هاي سوگنو، 1.445 ppm و با قانون هاي ممداني، 1.374 ppm به دست آمد. نتايج حاکي از آن است که هر دو مدل به خوبي ميزان آلاينده را پيش بيني مي کنند.

 
کلید واژه: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  بازدید یکساله 236
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی