دوره 10، شماره 4 - ( 9-1399 )                   جلد 10 شماره 4 صفحات 385-396 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Reyhaneh Shams S, Jahani A, Moeinaddini M, Khorasani N, Kalantary S. Forecasting Ozone Density in Tehran Air Using a Smart Data-Driven Approach. JHSW. 2020; 10 (4) :385-396
URL: http://jhsw.tums.ac.ir/article-1-6415-fa.html
ریحانه شمس سیده، جهانی علی، معین الدینی مظاهر، خراسانی نعمت الله، کلانتری صبا. پیش بینی تراکم ازن در هوای شهر تهران با استفاده از رویکرد هوشمند داده محور. بهداشت و ایمنی کار. 1399; 10 (4) :385-396

URL: http://jhsw.tums.ac.ir/article-1-6415-fa.html


1- گروه محیط زیست انسانی و آلودگی محیط زیست، دانشکده محیط زیست،کرج، ایران
2- گروه محیط زیست طبیعی و تنوع زیستی، دانشکده محیط زیست، کرج، ایران
3- دانشکده منابع طبیعی، گروه محیط زیست، پردیس دانشگاه کشاورزی و منابع طبیعی تهران، کرج، ایران
4- گروه مهندسی بهداشت حرفه ای، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران
چکیده:   (408 مشاهده)
شهر تهران به عنوان یک کلان شهر، به علت دارا بودن جمعیت زیاد و آلودگی شدید ناشی از منابع و آلاینده های گوناگون، در معرض آسیب های ناشی از آلودگی هوا قرار دارد. پژوهش بر روی آسیب های ناشی از آلودگی هوا در شهر تهران با توجه به آلاینده های مهم و شاخص های موثر امری ضروری به نظر می رسد. مطالعه حاضر با هدف پیش بینی ازن هوای شهر تهران انجام شد. با توجه به مضررات گاز ازن بر سلامت انسان و محیط زیست و افزایش آن در دهه های گذشته، بررسی و پیش بینی میزان آن در هوا از اهمیت بالایی برخوردار است. پیش بینی تراکم گاز ازن در هوا می تواند برای پیشگیری و کنترل  توسط مسؤلان استفاده شود. این پژوهش از نوع روش تحلیلی-کاربردی بوده و با استفاده از داده های روزانه ازن ایستگاه های سنجش کیفیت هوای شهر تهران، هواشناسی، فضای سبز، ترافیکی و متغیرهای زمانی مثل تاخیر زمانی یک روزه به پیش بینی گاز ازن در کلان شهر تهران پرداخته است. در این راستا از مدل شبکه عصبی مصنوعی جهت پیش بینی غلظت گاز ازن با استفاده از نرم افزار MATLAB و با روش کدنویسی استفاده شد. در پایان نتایج مدل شبکه عصبی مصنوعی با مدل رگرسیون خطی مقایسه گردید. ضریب همبستگی و خطای جذر میانگین مربعات مدل شبکه عصبی 734/0 : R2 و566/0  RMSE: با معادلات رگرسیون 608/0 :R2  و  69/11 RMSE: مقایسه شد. بر اساس نتایج حاصل  می توان عنوان نمود که خطای مدل شبکه عصبی کمتر از روش رگرسیون است. بر اساس نتایج آنالیز حساسیت پارامترهای فصل از سال، طول ساعات آفتابی به ترتیب بیش ترین تاثیر را در میزان تراکم گاز ازن در هوای شهر تهران دارند
متن کامل [PDF 651 kb]   (97 دریافت)    

نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1399/9/12 | پذیرش: 1399/9/10 | انتشار: 1399/9/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

کلیه حقوق این وب سایت متعلق به بهداشت و ایمنی کار می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2017 All Rights Reserved | Health and Safety at Work

Designed & Developed by : Yektaweb