سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,573
تعداد مقالات71,037
تعداد مشاهده مقاله125,517,392
تعداد دریافت فایل اصل مقاله98,777,770
خدایار, فاطمه, انصاری, محمد رضا, حجتی, سعید, خدایار, الهام. (1403). مقایسه الگوریتم‌های یادگیری ماشین به‌منظور تخمین غلظت ذرات PM10 با استفاده از شاخص AOD و برخی پارامترهای هواشناسی. , (), -. doi: 10.22059/ijswr.2024.381356.669783
فاطمه خدایار; محمد رضا انصاری; سعید حجتی; الهام خدایار. "مقایسه الگوریتم‌های یادگیری ماشین به‌منظور تخمین غلظت ذرات PM10 با استفاده از شاخص AOD و برخی پارامترهای هواشناسی". , , , 1403, -. doi: 10.22059/ijswr.2024.381356.669783
خدایار, فاطمه, انصاری, محمد رضا, حجتی, سعید, خدایار, الهام. (1403). 'مقایسه الگوریتم‌های یادگیری ماشین به‌منظور تخمین غلظت ذرات PM10 با استفاده از شاخص AOD و برخی پارامترهای هواشناسی', , (), pp. -. doi: 10.22059/ijswr.2024.381356.669783
خدایار, فاطمه, انصاری, محمد رضا, حجتی, سعید, خدایار, الهام. مقایسه الگوریتم‌های یادگیری ماشین به‌منظور تخمین غلظت ذرات PM10 با استفاده از شاخص AOD و برخی پارامترهای هواشناسی. , 1403; (): -. doi: 10.22059/ijswr.2024.381356.669783

مقایسه الگوریتم‌های یادگیری ماشین به‌منظور تخمین غلظت ذرات PM10 با استفاده از شاخص AOD و برخی پارامترهای هواشناسی

تحقیقات آب و خاک ایران
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 06 آذر 1403    اصل مقاله (2.19 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijswr.2024.381356.669783
نویسندگان
فاطمه خدایار1؛ محمد رضا انصاری* 2؛ سعید حجتی3؛ الهام خدایار4
1کارشناس شهرداری- ملاثانی-ایران
2گروه علوم خاک، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران
3گروه علوم و مهندسی خاک، دانشگاه شهید چمران اهواز، اهواز، ایران
4گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اهواز، اهواز، ایران
چکیده
نظارت و کنترل بر میزان و منابع گردوغبار تحت تأثیر تغییرات اقلیمی و توسعه رویکردهای پیش‌بینی مناسب که تأثیرات مستقیمی بر محیط‌زیست و سلامت انسان دارد بسیار حائز اهمیت هستند. این مطالعه باهدف تخمین غلظت ذرات کوچکتر از 10 میکرومتر (PM10 ) در شهر اهواز، با استفاده از مدل‌های مختلف یادگیری ماشین انجام‌شده است. از متغیرهای اقلیمی و شاخص عمق بصری (AOD) محصول باند 476 نانومتر سنجنده مودیس به‌عنوان متغیرهای مؤثر در برآورد غلظت ذرات PM10 در قالب سه سناریو شامل: ترکیب شاخص AOD با PM10 (سناریو اول)، ترکیب متغیرهای اقلیمی با PM10 (سناریوی دوم) و ترکیب متغیرهای اقلیمی و شاخص AOD با PM10 (سناریوی سوم) استفاده گردید. با استفاده از شش الگوریتم مدل یادگیری ماشین شامل: Random Forest Regression (RFR)، Gradient Boosting Regression (GBR)،(ANN) Artificial Neural Networks، AdaBoostR with DTR ، (SVR) Support Vector Regressionو (DTR) Decision Tree Regression، میزان غلظت ذرات (PM10 ) در سناریوهای مختلف با در نظر گرفتن ضرایب صحت و دقت تعیین و مقایسه شدند. مهم‌ترین متغیرهای تأثیرگذار در برآورد میزان PM10: ساعت آفتابی، حداقل دید افقی ، ماکزیمم سرعت باد و شاخص AODتعیین گردید. مدل رگرسیون خطی GBR با مقادیر ضرایب R2، MAE، RMSE و IOA به ترتیب برابر با76/0، 31/0، 49/0 و 93/0 مناسب‌ترین مدل در تخمین غلظت ذرات (PM10 ) بوده، که در سناریوی سوم بدست آمد. نتایج نشان داد که استفاده از ترکیب شاخص AODدر کنار متغیرهای اقلیمی منجر به بهبود عملکرد مدل در برآورد غلظت ذرات PM10 شده است. مدل نهائی پیشنهادی می تواند به منظور تخمین روزانه ذرات PM10 استفاده شود.
کلیدواژه‌ها
الگوریتم‌های یادگیری ماشین؛ متغیرهای اقلیمی؛ عمق نوری آئروسل‌؛ ذرات معلق با قطر آئرودینامیکی کمتر از 10 میکرومتر
مراجع
آمار
تعداد مشاهده مقاله: 68
تعداد دریافت فایل اصل مقاله: 91





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب