|
|
1392/2/11، جلد ۶، شماره ۱، صفحات ۱۱-۲۲
|
|
|
| عنوان فارسی |
آناليز حساسيت پارامترهای موثر بر غلظت ازن با استفاده از شبکه عصبی مصنوعی |
|
| چکیده فارسی مقاله |
زمينه و هدف: آلودگی هوا ناشی از ازن در کلان شهرها از مهمترين عوامل آلوده کنندههاست که موجب آسيب به محيط زيست و موجودات زنده مي گردد، اين تحقيق سعی دارد مدلی برای تخمين ميزان ازن کلان شهر تبريز در دو ايستگاه پايش آلودگی آبرسان و راسته کوچه ارايه نمايد. روش بررسی: در اين تحقيق شبکه عصبی مصنوعی برای در نظر گرفتن تاثير همزمان پارامترهای هواشناسی و آلودگی هوا بر ميزان غلظت ازن، مورد استفاده قرار گرفته است و از ماتريس وزنی شبکه عصبی مصنوعی به همراه معادله گارسون برای آناليز حساسيت پارامترهای ورودی به شبکه عصبی استفاده شده است. يافته ها: نتايج نشان می دهد ميزان غلظت ازن از خصوصيات هواشناسی و نيز پارامترهای آلودگی هوا به طور همزمان تاثير گرفته است، که از ميان پارامترهای هواشناسی حداکثر دما و از ميان پارامترهای آلودگی منواکسيد کربن به عنوان پارامترهای تاثيرگذار است. نتيجهگيری: نتايج حاصل حاکی از توانمندی قابل قبول مدل شبکه عصبی در پيش بينی ميزان غلظت ازن است. علاوه بر آن، متغيرهای مورد استفاده در اين مدل توانسته است، نحوه تغييرات ميزان غلظت ازن ايستگاه های مورد بررسی در منطقه را تشخيص دهند. |
|
| کلیدواژههای فارسی مقاله |
آلودگي هوا، شبكه عصبي مصنوعي، آناليز حساسيت، غلظت ازن، تبريز |
|
| عنوان انگلیسی |
Sensitivity Analysis of the Effective Input Parameters upon the Ozone Concentration using Artificial Neural Networks |
|
| چکیده انگلیسی مقاله |
Background and Objectives: Weather pollution, caused by Ozone (O3) in metropolitans, is one of the major components of pollutants, which damage the environment and hurt all living organisms. Therefore, this study attempts to provide a model for the estimation of O3 concentration in Tabriz at two pollution monitoring stations: Abresan and Rastekuche. Materials and Methods: In this research, Artificial neural networks (ANNs) were used to consider the impact of the meteorological and weather pollution parameters upon O3 concentration, and weight matrix of ANNs with Garson equation were used for sensitivity analysis of the input parameters to ANNs. Results: The results indicate that the O3 concentration is simultaneously affected by the meteorological and the weather pollution parameters. Among the meteorological parameters used by ANNs, maximum temperature and among the air pollution parameters, carbon monoxide had the maximum effect. Conclusion: The results are representative of the acceptable performance of ANNs to predict O3 concentration. In addition, the parameters used in the modeling process could assess variations of the ozone concentration at the investigated stations. |
|
| کلیدواژههای انگلیسی مقاله |
Air pollution, Artificial neural networks, Sensitivity analysis, Ozone concentration, Tabriz |
|
| نویسندگان مقاله |
46381---46382---46383---46384--- |
|
| نشانی اینترنتی |
http://ijhe.tums.ac.ir/browse.php?a_code=A-10-25-5001&slc_lang=fa&sid=fa |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
Air |
| نوع مقاله منتشر شده |
Research |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|