4 SID.ir | توسعه مدل پيش بيني غلظت ازن در هوا با استفاده از شبکه عصبي مصنوعي
برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

 
عنوان مقاله: 

توسعه مدل پيش بيني غلظت ازن در هوا با استفاده از شبکه عصبي مصنوعي

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

با توجه به مضرات ازن بر سلامت انسان و محيط زيست و افزايش آن در دهه هاي گذشته، بررسي و پيش بيني ميزان آن در هوا از اهميت بالايي برخوردار است. پيش بيني غلظت ازن در هوا مي تواند براي پيشگيري و کنترل توسط مسوولان استفاده شود. در اين مقاله پارامترهاي مهم و تاثيرگذار بر غلظت ازن با استفاده از داده هاي پايش کيفيت هوا ايستگاه هاي آزادي و امام خميني طي سال هاي 2009 تا 2010، بررسي شده است. در اين راستا متغيرهاي هواشناسي شامل رطوبت نسبي، دما، فشار، سرعت و جهت باد با غلظت ازن به کمک همبستگي خطي و تحليل مولفه هاي اصلي تحليل شد. مطالعه همبستگي بين متغير هاي مختلف هواشناسي با غلظت ازن نشان داد که غلظت ازن تحت تاثير پارامترهاي رطوبت نسبي، دما و سرعت باد است. تاثير پارامترهاي رطوبت نسبي و دما را مي توان با توجه به عملکرد فتوشيميايي و نقش اين فرآيند در توليد ازن توصيف کرد. در حالي که همبستگي ازن با پارامتر سرعت باد نشان دهنده انتقال ازن از مناطق ديگر است. در ادامه سعي شد از يک شبکه عصبي پرسپترون چندلايه جهت پيش بيني غلظت ازن استفاده شود. ورودي هاي اين شبکه عبارتند از رطوبت نسبي، دما و سرعت باد که قبلآ تاثير آنها بر غلظت ازن اثبات شده است. نتايج اجراي شبکه عصبي توسعه داده شده در ايستگاه هاي ميدان آزادي و امام خميني در تهران نشان داد که مدل طراحي شده ميزان غلظت ازن را با دقت 67 تا 97 درصد در 24 ساعت آينده تخمين مي زند. نتايج اين تحقيق و مدل توسعه داده شده مي تواند براي مديريت بهتر آلودگي هوا و کنترل غلظت ازن توسط مديران شهري مورد استفاده قرار گيرد.

 
کلید واژه: 

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

  چکیده انگلیسی بازدید یکساله 107
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی