مدل سازی آلاینده منوکسید کربن در شهر تهران با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه

چکیده مقاله

در این مقاله از شبکه عصبی مصنوعی پرسپترون چند لایه به منظور پیش بینی و مدل سازی آلاینده منوکسید کربن در شهر تهران استفاده شده است بدین منظور از داده های زمانی مربوط به بازه زمانی ۱۰ ساله اخیر استفاده شده است لایه های ورودی شبکه عصبی پیشنهادی شامل سرعت باد، میزان بارش، تشعشع خورشید، میزان رطوبت هوا و رفتارهای اجتماعی ترافیکی می باشد که به صورت بازه زمانی ۲۴ ساعته دریافت می شوند بهترین توپولوژی شبکه عصبی شامل تعداد لایه ها، تعداد نرون های هر لایه، تابع انتقال و الگوریتم آموزش، به کمک نرم افزار متلب پیاده سازی می شود با توجه به اینکه رفتار اجتماعی ترافیکی مردم نیز بر روی کیفیت هوا بسیار تاثیرگذار است، اثر آن از طریق طبقه بندی و جداسازی داده های مربوط به ایام نوروز و لحاظ کردن پارامتر روز و ماه اعمال شده است نتایج حاصل از مدل سازی نشان می دهد که الگوریتم بهینه برای آلاینده منوکسید کربن تابع آموزشی لونبرگ مارکوآت می باشد چرا که مقدار میانگین مربعات خطای آن کمترین مقدار و ضریب همبستگی آن نسبت به بقیه الگوریتم ها مطلوب تر است همچنین با مقایسه میانگین مربعات خطا و ضریب همبستگی مشاهده شد که تعداد نرون بهینه برای لایه پنهان برابر ۱۰ نرون است از بین داده هایی که به عنوان ورودی به شبکه عصبی داده شد، مقدار غلظت آلاینده در روز قبل بیشترین اهمیت را در پیش بینی دارد بر اساس نتایج حاصل از این پژوهش اینگونه دریافت می شود که لزوما استفاده از لایه های پنهان بیشتر و تعداد نرون های بیشتر در لایه های شبکه عصبی منجر به عملکرد بهتری نخواهد شد

کلیدواژه‌ها

نویسندگان

زینب اکبری مطلق

کارشناسی ارشد مهندسی عمران دانشگاه بیرجند

جواد زراعتکار مقدم

استادیار دانشگاه بیرجند

محمدجواد ذوقی

استادیار دانشگاه بیرجند

�کبری مطلق، زینب و زراعتکار مقدم، جواد و ذوقی، محمدجواد،1404،مدل سازی آلاینده منوکسید کربن در شهر تهران با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه،اولین کنفرانس بین المللی و هفتمین کنفرانس ملی مهندسی مکانیک، عمران و فناوری های پیشرفته،اسفراین

ارائه‌شده در

مجموعه مقالات اولین کنفرانس بین المللی و هفتمین کنفرانس ملی مهندسی مکانیک، عمران و فناوری های پیشرفته19 آبان 1404 · اسفراین