پيش بيني شاخص كيفيت هوا برمبناي متغيرهاي هواشناسي و مولفه هاي خودهمبسته با استفاده از شبكه عصبي مصنوعي

رستمي فصيح زينب; مصداقي نيا عليرضا; ندافي كاظم; نبي زاده نودهي رامين; محوي اميرحسين; هادي مهدي

مشخصات مقاله

عنوان نشریه:

علوم پزشكي رازي (مجله دانشگاه علوم پزشكي ايران)

اطلاعات شماره:

آبان 1394 , دوره 22 , شماره 137 ; از صفحه 31 تا صفحه 43 .

عنوان مقاله:

پيش بيني شاخص كيفيت هوا برمبناي متغيرهاي هواشناسي و مولفه هاي خودهمبسته با استفاده از شبكه عصبي مصنوعي

نویسندگان:

رستمي فصيح زينب, مصداقي نيا عليرضا*, ندافي كاظم, نبي زاده نودهي رامين, محوي اميرحسين, هادي مهدي

آدرس:

* گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران

چکیده:

زمينه و هدف: شاخص كيفيت هوا (Air Quality Index-AQI) ارتباط كيفيت هوا را با سطوح سلامتي به صورت كمي بيان مي كند. با استفاده از مدل شبكه عصبي مقدار AQI براي يك روز بعد بر مبناي متغيرهاي هواشناسي و خودهمبستگي شاخص، براي شهر كرمانشاه پيش بيني شد.روش كار: بعد از آماده سازي داده هاي آلاينده هاي معيار و متغيرهاي هواشناسي سال هاي 1389-91، تاخيرهاي زماني يك روز قبل و بعد متغيرها ايجاد شد. مقدار شاخص يك روز بعد به عنوان متغير وابسته و ساير متغيرها به عنوان ورودي مدل استفاده گرديد. عملكرد مدل با استفاده از ضريب همبستگي (r)، ضريب تبيين (R2) و ريشه ميانگين مربع خطا ارزيابي شد. تحليل حساسيت مدل بررسي و مهمترين متغيرهاي موثر براي پيش بيني AQI شناسايي گرديد.يافته ها: مقدار r مراحل آموزش، اعتبارسنجي و آزمون مدل بالاتر از 0.75 تعيين و R2 مرحله آزمون برابر 0.6 تعيين شد. در بين متغيرهاي هواشناسي، ميزان ديد افقي و ميزان بارندگي تاثير بيشتري بر مقدار شاخص داشتند به نحوي كه بارندگي در يك روز قبل به طور معناداري باعث كاهش مقدار AQI روز بعد خواهد شد. همچنين بين ميزان ديد افقي و AQI ارتباط معكوس مشخص گرديد.نتيجه گيري: مدل پيشنهادي مي تواند براي پيش بيني مقدار شاخص AQI شهر كرمانشاه مورد استفاده قرار گيرد. با توجه به مساله آلودگي هوا و خصوصا مشكل ريزگردها، چنانچه چنين مدلي به صورت ديناميك استفاده شود نقش آن در اعلان وضعيت هوا ملموس تر خواهد شد. پيشنهاد مي گردد پيش بيني شاخص AQI در قالب يك مدل با قابليت به روز شدن براي اين استان در مطالعات بعد انجام گردد.

کلید واژه:

پيش بيني(Q2)شبكه عصبي مصنوعي(Q2)متغيرهاي هواشناسي(Q2)شاخص كيفيت هوا(Q2)

چارک 1 این موضوع در حوزۀ علمی خود، در چارک اول تازگی است.
یعنی استقبال پژوهشگران از این موضوع خیلی زیاد است.
چارک 2 این موضوع در حوزۀ علمی خود، در چارک دوم تازگی است.
یعنی استقبال پژوهشگران از این موضوع زیاد است.
چارک 3 این موضوع در حوزۀ علمی خود، در چارک سوم تازگی است.
یعنی استقبال پژوهشگران از این موضوع کم است.
چارک 4 این موضوع در حوزۀ علمی خود، در چارک چهارم تازگی است.
یعنی استقبال پژوهشگران از این موضوع خیلی کم است.

موضوعات مرتبط:

مقالات نشریه ای مرتبط:

مقالات همایشی مرتبط:

ندارد

طرح های مرتبط:

مقالات بین المللی مرتبط:

ارتباط خیلی زیاد ارتباط زیاد مرتبط ارتباط کمتر

ارجاعات:

ثبت نشده است

استنادات:

ثبت نشده است

+جهت ارجاع به این مقاله کلیک کنید(Cite).

APA : کپی

رستمی فصیح، ز.، و مصداقی نیا، ع.، و ندافی، ک.، و نبی زاده نودهی، ر.، و محوی، ا.، و هادی، م. (1394). پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی. علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران), 22(137), 31-43. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=298907

Vancouver : کپی

رستمی فصیح زینب، مصداقی نیا علیرضا، ندافی کاظم، نبی زاده نودهی رامین، محوی امیرحسین، هادی مهدی. پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی. علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران). 1394 [cited 2022May21];22(137):31-43. Available from: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=298907

IEEE : کپی

رستمی فصیح، ز.، مصداقی نیا، ع.، ندافی، ک.، نبی زاده نودهی، ر.، محوی، ا.، هادی، م.، 1394. پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی. علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران), [online] 22(137), pp.31-43. Available: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=298907.