این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محیط شناسی، جلد ۳۸، شماره ۴، صفحات ۰-۰
عنوان فارسی مقایسه دو روش مدل‌سازی با استفاده از شبکه عصبی- فازی در پیش بینی غلظت آلاینده مونوکسید کربن
چکیده فارسی مقاله پایش و پیش‌بینی مشخصه‌های کیفیت هوا در مناطق شهری یکی از چالش‌های محیط زیست انسانی محسوب می‌شود. این مهم وابسته به عوامل متعددی مانند توپوگرافی، اقلیم، جمعیت و شبکه حمل ‌و ‌نقل است که نحوه تعامل این عوامل مکانی به عنوان پدیده‌‌ای دینامیک، غیر خطی و دارای ابهام عنوان شده است. در این تحقیق به منظور پیش بینی و مدل‌سازی میزان آلاینده مونوکسیدکربن از شبکه عصبی- فازی و GIS در قالب دو مدل متفاوت استفاده شده است. در مدل اول داده‌های آموزشی با استفاده از روش کریجینگ ایجاد و برای هر ایستگاه ناحیه‌ای در نظر گرفته شد که از داده‌های موجود در آن ناحیه، برای آموزش آن استفاده شد. برای هر ناحیه قانون‌های فازی استخراج شده و به هر پیکسل آن ناحیه اعمال و میزان آلاینده تخمین زده شد. در مدل دوم هر ایستگاه به طور جداگانه با استفاده از داده‌های خود آموزش داده شد. برای هر ایستگاه قانون‌های فازی آن استخراج شده و غلظت آلاینده تخمین زده شد. به علت این‌که پیش‌بینی در ایستگاهها صورت می‌گیرد، در نهایت برای مدل‌سازی مکانی غلظت در محدوده مورد مطالعه از روش کریجینگ استفاده شده است. برای انجام تست عملی این تحقیق، از داده‌های هواشناسی ایستگاههای واقع در سطح شهر تهران استفاده شد. میانگین RMSE مجموعه ایستگاهها در مدل اول با قانون‌های سوگنو،613/1 ppm و با قانون‌های ممدانی، 484/1 ppm و در مدل دوم با قانون‌های سوگنو، 445/1 ppm و با قانون‌های ممدانی، 374/1 ppm به دست آمد. نتایج حاکی از آن است که هر دو مدل به خوبی میزان آلاینده را پیش‌بینی می‌کنند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison of Two Modeling Methods for the Prediction of Carbon Monoxide Concentration Using Neuro-Fuzzy System
چکیده انگلیسی مقاله Monitoring and forecasting of air quality Parameters in urban areas is considered as one of the challenges of the human environment. It depends on several factors such as topography, climate, population and transport network which the interaction of these spatial factors has been as a dynamic phenomenon, non-linear and ambiguous. In this study, two models suggested to predict and modeling concentrations of carbon monoxide (CO) pollutant using neuro-fuzzy system and GIS. In the first model the training data which is created by Kriging. An area was considered for each station and the data in that area was used for training. Fuzzy rules were extracted for each area and applied to each pixel of the region for the concentration estimation of the pollutant. In the second model, each station is trained with its own data separately. Fuzzy were extracted for each station and pollutant concentration was estimated as well. Having concentration predictions at station points, Kriging was used to model the spatial concentration. The data gathered from different meteorological stations in Tehran is used to train the neural network. In the first model, average RMSE of all stations for ANFIS is 1.613 ppm and for M-ANFIS is 1.484 ppm and in the second model average RMSE of all stations for ANFIS is 1.445 ppm and for M-ANFIS is 1.374 ppm. The results showed that both models have a good capability of concentration prediction of the pollutant.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله الهه خزاعی |
دانشجوی کارشناسی ارشد gis، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

علی اصغر آل شیخ | ali asghar
دانشیار، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

محمد کریمی |
استادیار، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

محمد حسن وحیدنیا | mohammad hassan
دانشجوی دکترای gis، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

نشانی اینترنتی http://jes.ut.ac.ir/article_29861_e93e77bc316eff034fee20cb92381dae.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1056/article-1056-207109.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