پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی

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

 پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی  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 پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی :

نام کنفرانس، همایش یا نشریه : علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران)

تعداد صفحات :۱۷

زمینه و هدف: شاخص کیفیت هوا (Air Quality Index-AQI) ارتباط کیفیت هوا را با سطوح سلامتی به صورت کمی بیان می کند. با استفاده از مدل شبکه عصبی مقدار AQI برای یک روز بعد بر مبنای متغیرهای هواشناسی و خودهمبستگی شاخص، برای شهر کرمانشاه پیش بینی شد.روش کار: بعد از آماده سازی داده های آلاینده های معیار و متغیرهای هواشناسی سال های ۱۳۸۹-۹۱، تاخیرهای زمانی یک روز قبل و بعد متغیرها ایجاد شد. مقدار شاخص یک روز بعد به عنوان متغیر وابسته و سایر متغیرها به عنوان ورودی مدل استفاده گردید. عملکرد مدل با استفاده از ضریب همبستگی (r)، ضریب تبیین (R2) و ریشه میانگین مربع خطا ارزیابی شد. تحلیل حساسیت مدل بررسی و مهمترین متغیرهای موثر برای پیش بینی AQI شناسایی گردید.یافته ها: مقدار r مراحل آموزش، اعتبارسنجی و آزمون مدل بالاتر از ۰.۷۵ تعیین و R2 مرحله آزمون برابر ۰.۶ تعیین شد. در بین متغیرهای هواشناسی، میزان دید افقی و میزان بارندگی تاثیر بیشتری بر مقدار شاخص داشتند به نحوی که بارندگی در یک روز قبل به طور معناداری باعث کاهش مقدار AQI روز بعد خواهد شد. همچنین بین میزان دید افقی و AQI ارتباط معکوس مشخص گردید.نتیجه گیری: مدل پیشنهادی می تواند برای پیش بینی مقدار شاخص AQI شهر کرمانشاه مورد استفاده قرار گیرد. با توجه به مساله آلودگی هوا و خصوصا مشکل ریزگردها، چنانچه چنین مدلی به صورت دینامیک استفاده شود نقش آن در اعلان وضعیت هوا ملموس تر خواهد شد. پیشنهاد می گردد پیش بینی شاخص AQI در قالب یک مدل با قابلیت به روز شدن برای این استان در مطالعات بعد انجام گردد.

کلید واژه: پیش بینی، شبکه عصبی مصنوعی، متغیرهای هواشناسی، شاخص کیفیت هوا