سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,504
تعداد مشاهده مقاله124,121,570
تعداد دریافت فایل اصل مقاله97,228,702
اکبری, ساجده, امان اللهی, جمیل, دارند, محمد. (1397). ارزیابی دقت مدل‌های MLR، PCR، ARIMA و MLP در پیش‌بینی عمق نوری هواویزها. , 44(3), 461-472. doi: 10.22059/jes.2019.257290.1007652
ساجده اکبری; جمیل امان اللهی; محمد دارند. "ارزیابی دقت مدل‌های MLR، PCR، ARIMA و MLP در پیش‌بینی عمق نوری هواویزها". , 44, 3, 1397, 461-472. doi: 10.22059/jes.2019.257290.1007652
اکبری, ساجده, امان اللهی, جمیل, دارند, محمد. (1397). 'ارزیابی دقت مدل‌های MLR، PCR، ARIMA و MLP در پیش‌بینی عمق نوری هواویزها', , 44(3), pp. 461-472. doi: 10.22059/jes.2019.257290.1007652
اکبری, ساجده, امان اللهی, جمیل, دارند, محمد. ارزیابی دقت مدل‌های MLR، PCR، ARIMA و MLP در پیش‌بینی عمق نوری هواویزها. , 1397; 44(3): 461-472. doi: 10.22059/jes.2019.257290.1007652

ارزیابی دقت مدل‌های MLR، PCR، ARIMA و MLP در پیش‌بینی عمق نوری هواویزها

محیط شناسی
مقاله 5، دوره 44، شماره 3، آذر 1397، صفحه 461-472    اصل مقاله (959.02 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jes.2019.257290.1007652
نویسندگان
ساجده اکبری1؛ جمیل امان اللهی* 2؛ محمد دارند3
1گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه کردستان
2گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه کردستان.
3گروه آب و هوا شناسی، دانشکده منابع طبیعی، دانشگاه کردستان
چکیده
برآورد عمق نوری هواویزها (AOD) برای بررسی میزان ذرات معلق موجود در جو که یکی از آلاینده‌های هوا است استفاده می‌شود. در این پژوهش برای برآورد عمق نوری هواویزها در ایستگاه‌های فاقد تشعشع‌سنج و یا برآورد یک ساله (اتورگرسیو) در ایستگاه‌های دارای تشعشع‌سنج از مدل‌های مختلف همچون مدل‌های رگرسیون چند‌گانه (MLR)، رگرسیون مولفه‌های مبنا (PCR)، خودرگرسیون میانگین متحرک انباشته (ARIMA) و نیز مدل شبکه عصبی مصنوعی (MLP)، استفاده شد. بدین منظور داده‌های دما، رطوبت نسبی، سرعت باد و ارتفاع لایه اتمسفری اخذ شده از پایگاه داده جهانی ECMWF در تراز 850 هکتوپاسکال به عنوان متغیرهای مستقل و همچنین داده‌های تشعشع‌سنج خورشیدی اداره‌ هواشناسی شهرستان سنندج در بازه‌ی زمانی 1/1/2005 تا 31/12/2016 به عنوان متغیر وابسته در نظر گرفته شدند. نتایج نشان داد که مدل ARIMA با دارا بودن مقادیر عددی 91/0 R2=، 0501/0RMSE= و 033/0MAE= در مرحله آموزش مدل و نیز مقادیر 89/0 R2=، 0586/0RMSE= و 0374/0MAE= در مرحله آزمون مدل دارای بهترین عملکرد در برآورد عمق نوری هواویزها در ایستگاه‌های فاقد تشعشع‌سنج است. همچنین نتایج مرحله اتورگرسیو نشان داد که مدل MLP با دارا بودن مقادیر عددی 96/0 R2=، 0483/0RMSE= و 028/0MAE= بالاترین دقت را از میان مدل‌های فوق در برآورد عمق نوری هواویزها برای سال 2017داشته است.
کلیدواژه‌ها
پایگاه داده ECMWF؛ پیش‌بینی؛ عمق نوری هواویزها؛ خودرگرسیون میانگین متحرک انباشته؛ شبکه عصبی مصنوعی
مراجع
آمار
تعداد مشاهده مقاله: 644
تعداد دریافت فایل اصل مقاله: 302


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب