۱ نتیجه برای شبکه های عصبی مصنوعی
غلامرضا اسدالله فردی، حسین زنگوئی،
دوره ۱۷، شماره ۴۷ - ( ۱۰-۱۳۹۶ )
چکیده
مدیریت ذرات معلق یکی از موارد مهم در کنترل آلودگی شهرها محسوب میشود. این ذرات باعث ایجاد و توسعه بیماری های قلبی و تنفسی مختلف در افراد میگردد. شهر مشهد به عنوان یکی از شهرهای اصلی و پرجمعیت ایران با توجه به شرایط اقلیمی و همچنین توریستی بودن، بیش از هر چیزی در معرض خطر این نوع آلودگی قرار دارد. در این تحقیق سعی شده با استفاده از مدلهای پرسپترون شبکه های عصبی مصنوعی و مدل زنجیره مارکوف غلظت PM۱۰ پیشبینی و تحلیل گردد. برای این منظور از دادههای ساعتی CO، SO۲، PM۲,۵ و دما برای دو ماه فروردین و اردیبهشت در سال ۱۳۹۴ استفاده شد. از مجموع ۱۴۸۸ سری داده، ۱۳۰۰ داده برای آموزش شبکه و ۱۸۸ داده جهت صحتسنجی استفاده گردید. نتایج نشاندهنده عملکرد مطلوب این روشها در پیشبینی میزان آلاینده و همچنین احتمال وقوع ساعات با کیفیتهای مختلف آلودگی بود. بهترین مدل پرسپترون میزان آلاینده ذرات معلق را با ضریب همبستگی ۸۸/۰، شاخص تطابق ۹۱/۰، میانگین بایاس خطای ۰۸۷۴/۰ و جذر میانگین مربعات خطای ۲۶/۲ پیشبینی نمود، همچنین مدل مارکوف با خطای مطلق متوسط حدود ۱/۰ درصد احتمالات انتقال وضعیت و تداوم وضعیتهای مختلف آلودگی هوای ناشی از ذرات معلق را پیشبینی نمود.
