عنوان پایان‌نامه
پیش بینی آلودگی هوا با استفاده از شبکه عصبی مصنوعی
- رشته تحصیلی
- سنجش از دور وسیستم اطلاعات جغرافیایی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60772;کتابخانه دانشکده جغرافیا شماره ثبت: 1830
- تاریخ دفاع
- ۰۱ تیر ۱۳۹۲
- دانشجو
- حمیدرضا جدی ازغندی
- استاد راهنما
- سیدکاظم علوی پناه, رحیم علی عباسپور
- چکیده
- چکیده امروزه آلودگی هوا یکی ازمهم¬ترین مشکلات جوامع بشری است. گرچه راهکارهای کنترل آلودگی هوا و کاهش آن بسیار می¬باشند ولی یکی از آنها، پیش¬بینی این رویداد و بدست ¬آوردن آمادگی برای مقابله با آثار منفی آن می¬باشد. هدف از این پژوهش ارائه مدلی به منظور پیش-بینی 24ساعته آلاینده منو¬کسید¬کربن به کمک شبکه عصبی مصنوعی در شهر تهران می¬باشد. به این منظور از ویژگی¬های سرعت باد، جهت باد، دما، رطوبت نسبی و فشار هوا به عنوان داده-های هواشناسی و از غلظت منوکسیدکربن به عنوان پارامتر آلودگی هوا استفاده شده است. ابتدا جهت حذف نویز داده¬ها، در مرحله پیش¬پردازش داده¬ها، از دو روش تبدیل موجک و تعیین یک حد آستانه به کمک توزیع نرمال استفاده گردید. داده¬های حاصل از دو روش فوق به الگوریتم طراحی شده اعمال گردید و دو مدل شبکه عصبی ارائه شد که نتایج بدست آمده از شاخص¬های آماری ضریب همبستگی، شاخص توافق، دقت پیش¬بینی و جذر میانگین مربعات خطا برای مدل اول (مدل 1) با داده¬های تکراری به ترتیب 9012/0، 915/0، 848/0 و 1012/0 و برای مدل دوم (مدل 2) با داده¬های تکراری به ترتیب9572/0، 978/0، 963/0 و 0385/0 می¬باشد. همچنین نتایج شاخص¬های آماری ذکر شده در بالا برای مدل1 با داده¬های جدید به ترتیب 9086/0، 89/0، 885/0، 0825/0 و برای مدل2 با داده¬های جدید به ترتیب 8678/0، 928/0، 932/0، 1163/ 0 بدست آمده است. اعداد حاصله نشان می¬دهد توافق خوبی بین داده¬های اصلی و داده¬های پیش¬بینی شده توسط مدل¬ها وجود دارد و مدل¬های ارائه شده در پیش¬بینی آلودگی هوا از قابلیت بالایی برخوردارند. واژه‌های کلیدی: پیش بینی آلودگی هوا، شبکه عصبی مصنوعی، آلاینده منواکسیدکربن
- Abstract
- Abstract Nowadays, air pollution is one of the most important problems around the world. There are many Strategies to control and reduce air pollution, that one of them is prediction of this event and get ready to deal with the negative effects of it.The aim of this paper is to provide a multi-layer structure of artificial neural network for predicting of carbon monoxide pollution at next 24 hours in Tehran city. To predict the amount of CO emissions in the future (next 24 hours), Wind speed and direction, temperature, relative humidity and barometric pressure characteristics are used as meteorological data and concentration of carbon monoxide is considered as a pollution parameter. To eliminate the noise of data, wavelets transform method and determining the threshold with normal distribution are used before training the ANN. Finally, two neural networks are presented, so that the obtained results of correlation coefficient, index of agreement, accuracy of prediction and root mean square error for model 1 with duplicate data are 0.9012, 0.915, 0.848 and 0.1012 and for Model 2 with duplicate data are 0.9572, 0.978, 0.963 and 0.0385 respectively. Also, the results of listed parameters for model 1 with new data are 0.9086, 0.89, 0.885, and 0.0825 and for model 2 with new data are 0.8678, 0.928, 0.932, and 0.1163 respectively. In addition Results showed that there is a good agreement between predicted and observed values and the proposed models have a high potential for air pollution prediction. Key Words: Prediction of Air Pollution, Artificial Neural Network (ANN), Carbon Oxide (CO)
