این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی عمران و محیط زیست دانشگاه تبریز، جلد ۴۶، شماره ۸۳، صفحات ۹۷-۱۰۴
عنوان فارسی پیش‌بینی غلظت آلاینده‌های گازی در هوای شهر تبریز با استفاده از شبکه عصبی
چکیده فارسی مقاله آلودگی هوا به عنوان یک چالش مهم در شهرهای بزرگ مطرح می­باشد که در نتیجه صنعتی شدن، گسترش شهرنشینی، رشد سریع ترافیک و افزایش فعالیت­های انسان تشدید شده است. آلاینده­های هوا باعث بروز اثرات منفی بر سلامت انسان و تخریب محیط زیست شده لذا آگاهی از غلظت آلاینده­ها می­تواند به عنوان اطلاعات کلیدی در برنامه­های کنترل آلودگی مورد استفاده قرار گیرد. روش­های متعددی برای پیش­بینی غلظت آلاینده­های هوا وجود دارد و در این میان، در سال­های اخیر پیشرفت قابل توجهی در توسعه مدل­های شبکه عصبی برای پیش­بینی غلظت آلاینده های هوا صورت گرفته است. در این مطالعه، از شبکه­های عصبی مصنوعی به منظور پیش­بینی غلظت آلاینده­های C‏O، SO2 و NOXدر هوای شهر تبریز استفاده شده است. داده­های غلظت آلاینده­ها از ایستگاه سنجش ثابت مستقر در میدان نماز و داده­های هواشناسی شامل سرعت و جهت باد، دما و رطوبت هوا از اداره کل هواشناسی جمع­آوری شده و پس از نرمال­سازی به عنوان متغیرهای ورودی شبکه عصبی مورد استفاده قرار گرفت. تعداد 5-3 لایه مخفی و 25-8 نرون در هر لایه مخفی نتایج قابل قبولی داشته است. از تابع تانژانت سیگموئید به عنوان تابع انتقال و الگوریتم لونبرگ مارکوآت برای بهینه­سازی وزن­ها و بایاس­های شبکه استفاده شد. بر اساس نتایج به دست آمده، شبکه عصبی مصنوعی روشی قابل اعتماد برای پیش­بینی غلظت ساعتی آلاینده­های هوا بوده به طوری که، ضریب همبستگی بالای 90/0 بین غلظت آلاینده­های پیش­بینی شده و غلظت واقعی آلاینده­های CO، SO2 و NOX به دست آمد.
کلیدواژه‌های فارسی مقاله آلودگی هوا، شبکه عصبی مصنوعی، مدل‌های پیش‌بینی،
عنوان انگلیسی Forecasting Concentrations of Gaseous Air Pollutants Using Artificial Neural Networks in Tabriz
چکیده انگلیسی مقاله Today, air pollution is considered as an important and challenging problem in the megacities all over the world. It is usually caused due to industrialization, urbanization, rapid development in traffic and increasing amounts of anthropogenic emissions. Urban air pollution in developing countries has been represented as a growing problem for communities. Reliable forecasting of air pollution would allow taking more efficient countermeasures to prevent air pollution crisis and protect public health. The artificial Neural Network (ANN) has emerged out to be more flexible, less assumption dependent and adaptive methodology to obtain reliable prediction values of air pollutants. ANNs have been shown to be quite powerful in capturing the complex and usually nonlinear relationships between meteorological variables and air pollutant concentrations [1-3].
کلیدواژه‌های انگلیسی مقاله Air pollution, Artificial neural network, Forecasting
نویسندگان مقاله ناهیده محمدی |
کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی تبریز
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تبریز (Tabriz university of medical sciences)

خالد ظروفچی بنیس | zoroufchi benis
دانشکده مهندسی شیمی، مرکز تحقیقات مهندسی محیط زیست، دانشگاه صنعتی سهند
سازمان اصلی تایید شده: دانشگاه صنعتی سهند (Sahand university of technology)

محمد شاکر خطیبی |
گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تبریز
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تبریز (Tabriz university of medical sciences)

اسماعیل فاتحی فر |
دانشکده مهندسی شیمی، مرکز تحقیقات مهندسی محیط زیست، دانشگاه صنعتی سهند
سازمان اصلی تایید شده: دانشگاه صنعتی سهند (Sahand university of technology)

علیرضا بهروز سرند | behrooz sarand
گروه مهندسی شیمی، دانشگاه صنعتی ارومیه

امیر محمودیان |
کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی تبریز
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تبریز (Tabriz university of medical sciences)

فرید شیخ الاسلامی |
کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی تبریز
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تبریز (Tabriz university of medical sciences)

نشانی اینترنتی http://ceej.tabrizu.ac.ir/article_5192_803.html
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1244/article-1244-225716.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات