مقاله بررسی تاثیر پارامترهای هواشناسی بر مقدار آلودگی PM10 در شهر شیراز:کاربرد شاخصهای آماری دایره ای و شبکه عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بررسی تاثیر پارامترهای هواشناسی بر مقدار آلودگی PM10 در شهر شیراز:کاربرد شاخصهای آماری دایره ای و شبکه عصبی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بررسی تاثیر پارامترهای هواشناسی بر مقدار آلودگی PM10 در شهر شیراز:کاربرد شاخصهای آماری دایره ای و شبکه عصبی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بررسی تاثیر پارامترهای هواشناسی بر مقدار آلودگی PM10 در شهر شیراز:کاربرد شاخصهای آماری دایره ای و شبکه عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بررسی تاثیر پارامترهای هواشناسی بر مقدار آلودگی PM10 در شهر شیراز:کاربرد شاخصهای آماری دایره ای و شبکه عصبی :

تعداد صفحات:۱۷

چکیده:

در طی سال های اخیر ذرات ریز معلق (Particulate Matter, PM10) مشکلات بزرگی را برای شهرهای پرجمعیت در مناطق خشک و نیمه خشک ایجاد کرده است. تحقیقات گذشته نشان داده است که غلظت PM10 تابعی از پارامترهای هواشناسی همانند بارندگی، باد و رطوبت است. در میان پارامترهای هواشناسی، سرعت باد یک متغیر دایره ای است که آنالیز آن توسط شاخص های آماری خطی یا ترتیبی امکان پذیر نمی باشد. در این مطالعه سعی شد با استفاده از شاخص های دایره ای نشان داده شود که چگونه جهت باد، سرعت باد و مقدار رطوبت را می توان برای بررسی مقدار PM10 مورد استفاده قرار داد. برای این منظور شاخص های میانگین جهت (mean direction)، واریانس دایره ای، همبستگی دایره ای-خطی، دایره ای- دایره ای و روش های رگرسیون دایره ای مورد استفاده قرار گرفت. با استفاده از این شاخص ها جهت های اصلی باد و همبستگی آن با غلضت گرد و غبار معین می شوند. در این مطالعه روزهایی که دارای سطوح آلایندگی بیش از کوآنتیل ۹۰ % درصد آلایندگی روزانه می باشند، معین شدند و مشخص شد که آلایندگی هایی با این سطح و بیشتر، از جهت شمال غرب به شهر وارد می شوند. نتیجه استفاده از شاخص های آماری دایره ای همبستگی معنی داری را میان جهت و مقدار غلظت PM10 و سرعت نشان داد. در ادامه با توجه به نتایج به دست آمده، از یک مدل شبکه عصبی برای مدل سازی رابطه ی میان غلظت PM10 و داده های هواشناسی همانند سرعت و جهت باد، رطوبت و دما استفاده گردید. نتایج حاصل از این تحلیل نشان می دهد که می توان مقدار غلظت PM10 را در مقیاس های کوتاه مدت بر اساس داده های هواشناسی پیش بینی نمود.