جستجو در مقالات منتشر شده


3 نتیجه برای ذرات معلق
سنجش و پیش‌بینی آلاینده جوی ذرات معلق کمتر از 10 میکرون(PM10) شهر اهواز با استفاده از روش‌های آماری و شبکه عصبی مصنوعی
خانم عاطفه بساک، دکتر زهرا حجازی زاده، دکتر اکبر حیدری تاشه کبود،
دوره 0، شماره 0 - ( 1-1300 )
چکیده
این پژوهش با هدف ارزیابی ارتباط میان پارامترهای هواشناسی و غلظت ذرات معلق PM10 و پیش‌بینی میزان این آلاینده در شهر اهواز انجام‌شده است. داده‌های روزانه‌ی پارامترهای هواشناسی (دما، سرعت باد، جهت باد، دید افقی، بارش و رطوبت نسبی) و غلظت PM10  در بازه زمانی 1390 تا 1402 از سازمان هواشناسی و اداره کل محیط‌زیست خوزستان گردآوری شد. پس از پیش‌پردازش داده‌ها، از آزمون کلموگروف-اسمیرنوف برای بررسی نرمال بودن توزیع آن‌ها استفاده شد. با توجه به عدم نرمال بودن داده‌ها، از ضرایب همبستگی اسپیرمن و تاوی بی کندال برای ارزیابی ارتباط میان متغیرها بهره گرفته شد. تحلیل‌های آماری و مدل‌سازی با استفاده از نرم‌افزار SPSS و زبان برنامه‌نویسی پایتون در محیط اسپایدر انجام شد. نتایج تحلیل همبستگی نشان داد که بین غلظت PM10 و برخی پارامترهای هواشناسی ارتباط معناداری وجود دارد. به‌طور خاص، همبستگی مثبت و معناداری بین PM10 و دما (0.284 و 0.187) و سرعت باد(0.094 و 0.061)، و همبستگی منفی و معناداری بین PM10 و دید افقی (0.408- و 0.300 -)، جهت باد (0.048 – و 0.034 -)، بارش (0.159 – و 0.125-) و رطوبت نسبی (0.259 – و 0.173-) مشاهده شد. در ادامه، برای پیش‌بینی غلظت PM10 از مدل شبکه عصبی مصنوعی چندلایه پرسپترون (MLP) استفاده شد. ساختار شبکه شامل یک لایه ورودی با شش نورون (مربوط به شش پارامتر هواشناسی)، سه لایه مخفی با ۱۶، ۳۲ و ۶۴ نورون و یک لایه خروجی بود. نتایج ارزیابی مدل نشان داد که شبکه عصبی MLP توانایی بالایی در پیش‌بینی غلظت PM10 دارد و خطای پیش‌بینی در مراحل آموزش، اعتبارسنجی و آزمون در سطح قابل قبولی قرار دارد. 

تهیه نقشه توزیع مکانی ذرات معلق با قطر کمتر از دو نیم میکرومتردر هوای شهر تهران با استفاده از داده های سنجنده مودیس
عباس حجازی، محمدرضا مباشری، ابولفضل احمدیان مرج،
دوره 12، شماره 26 - ( 9-1391 )
چکیده
ذرات با قطر کمتر از 5/2 میکرومتر به شدت سلامتی ساکنین شهرهای بزرگ را تهدید می­کند. تا کنون روش­های مختلفی برای آشکارسازی این ذرات با استفاده از تصاویر ماهواره­ای پیشنهاد شده­است. اغلب این روش­ها نیاز به واسنجی برای اقلیم­های متفاوت دارند. در این پژوهش با استفاده از رگرسیون خطی، بین سهم بازتابندگی ناشی از پراکنش توسط هواویزها ، مستخرج از داده­های سنجنده مودیس و غلظت ذرات معلق با قطر کمتر از دو نیم میکرومتر اندازه­گیری­شده توسط دوازده ایستگاه آلودگی­سنج شهر تهران یک ارتباط برقرار شد.  محاسبه هواویزه مستلزم محاسبه بازتابندگی سطحی می­باشد. برای محاسبه بازتابندگی سطحی در باندهایی که از ذرات معلق شهری متاثر می­شوند،  از روابط تجربی موجود بین بازتابندگی در طول موج­های مرئی و 12/2 میکرومتر استفاده شد. با استفاده از نقشه توزیع آلودگی ذرات معلق که از این روش ترسیم شد، ملاحظه می­شود که آلودگی مناطق مرکزی بیش از سایر قسمت­های شهر می­باشد. برای کاهش عدم قطعیت، در مراحل آماده­سازی و پردازش در این تحقیق تست ابر با استفاده از روش آستانه­گذاری دمای درخشندگی انجام گردید.                  



 
 
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)
جواد سدیدی، هانی رضائیان، محمدرضا برشان،
دوره 17، شماره 47 - ( 10-1396 )
چکیده
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 می­بوده که مقادیر آن از تصاویر ماهواره­ای MODIS و داده­های ایستگاه­های هواشناسی تهیه شده است. نتایج نشان می­داد که مدل Jordan با مقدار RMSE معادل 9/219 میلی گرم بر متر مکعب نسبت به مدل Elman با مقدار RMSE معادل 5/228 دقت برازش بهتری داشته است. مدل Jordan به دلیل استفاده از حلقه­های درونی سبب به­روز 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 5/0 بدست­آمده است که درصد تخمین صحیح 50 درصد داده­ها را نشان می­داد. 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 شد 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 استفاده شود.
 

صفحه 1 از 1     

کلیه حقوق این وبگاه متعلق به تحقیقات کاربردی علوم جغرافیایی است.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Applied Researches in Geographical Sciences

Designed & Developed by : Yektaweb

Creative Commons License
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)