دوره 17، شماره 47 - ( 12-1396 )                   جلد 17 شماره 47 صفحات 0دوره0فصل__Se | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

sadidi J, rezayan H, barshan M R. Accuracy comparison of Elamn and Jordan artificial neural networks for air particular matter concentration (PM 10) prediction using MODIS satellite images, a case study of Ahvaz.. researches in Geographical Sciences. 2018; 17 (47)
URL: http://jgs.khu.ac.ir/article-1-2895-fa.html
سدیدی جواد، رضائیان هانی، برشان محمدرضا. مقایسه پراکنش خطا در شبکه‌های عصبی مصنوعی بازگشتی Elman و Jordan در تخمین غلظت ذرات معلق اتمسفر (PM10)با استفاده از تصاویر ماهواره‌ای MODIS (مورد مطالعاتی: شهر اهواز). نشریه تحقیقات کاربردی علوم جغرافیایی. 1396; 17 (47)

URL: http://jgs.khu.ac.ir/article-1-2895-fa.html


1- استادیار گروه سنجش از دور دانشگاه خوارزمی تهران ، jsadidi@gmail.com
2- استادیار گروه سنجش از دور دانشگاه خوارزمی تهران
3- دانشجوی کارشناس ارشد سنجش از دور دانشگاه خوارزمی تهران
چکیده:   (81 مشاهده)
بواسطه پیچیدگی عملکردی پدیده آلودگی هوا، از روش­های هوش مصنوعی بالاخص شبکه عصبی برای مدل سازی آلودگی هوا استفاده می­شود. هدف از این پژوهش دو مدل شبکه عصبی بازگشتی Elman و Jordan در زمینه پراکنش خطا و اعتبارسنجی آنها، به منظور تخمین غلظت ذرات معلق موجود در اتمسفر در شهر اهواز می­باشد. پارامترهای مورد استفاده شامل رطوبت، فشار هوا، دما و عمق نوری آئروسل می­باشند که مقادیر آن از تصاویر ماهواره­ای MODIS و داده­های ایستگاه­های هواشناسی تهیه شده است. نتایج نشان می­دهد که مدل Jordan با مقدار RMSE معادل 219/9 میلی گرم بر متر مکعب نسبت به مدل Elman با مقدار RMSE معادل 228/5 دقت برازش بهتری داشته است. مدل Jordan به دلیل استفاده از حلقه­های درونی سبب بروز رسانی مقادیر زمینه شده و این امر موجب افزایش صحت مدل می­شود. مقدار شاخص R2 ، که نماینده میزان رابطه خطی بین مقادیر پیش­بینی شده با مقادیر واقعی است، برای مدل Jordan معادل 0/5 بدست­آمده است که درصد تخمین صحیح 50 درصد داده­ها را نشان می­دهد. در نهایت با استفاده ازداده­های مربوط به غلظت PM10 برای روز 162 که بالاترین میزان غلظت را داشت با روش درونیابی IDW نقشه توزیع مکانی آن تولید شد. با توجه به گران بودن ایستگاه­های آلودگی سنجی پیشنهاد می­شود از منابع کمکی دیگر مانند اطلاعات داوطلبانه با استفاده از سنسورهای ارزان قیمت موبایل به عنوان ایستگاه کمکی متحرک و کم هزینه جهت افزایش تراکم و پراکنش مناسب ایستگاه­ها جهت مدلسازی دقیق­تر آلودگی هوا استفاذه شود.
     
نوع مطالعه: پژوهشي | موضوع مقاله: Gis
دریافت: ۱۳۹۶/۷/۲۹ | پذیرش: ۱۳۹۶/۱۰/۲۱ | انتشار: ۱۳۹۶/۱۱/۲۱

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به نشریه تحقیقات کاربردی علوم جغرافیایی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Scientific Journals Management System

Designed & Developed by : Yektaweb