[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
DOI::
OPEN ACCESS::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار نشریه
مقالات منتشر شده: 626
نرخ پذیرش: 21.4
نرخ رد: 78.6
میانگین داوری: 306 روز
میانگین انتشار: 634 روز
..
آمار عمومی نشریه
آمار عمومی نشریه
..
تعداد دورها                          23
تعداد شماره‌ها 83
 تعداد مقالات 4001
 تعداد مشاهده مقاله 11748252
 تعداد مقالات ارسال شده در یکسال اخیر 3230
 تعداد مقالات پذیرفته شده  637
 درصد پذیرش 30
 زمان پذیرش (روز) 120
 تعداد پایگاه های نمایه شده 9
 h.index 3
میانگین بازه زمانی فرایند داوری 30
:: دوره 16، شماره 55 - ( 9-1395 ) ::
جلد 16 شماره 55 صفحات 176-155 برگشت به فهرست نسخه ها
ارزیابی دقت مدل های رگرسیون چندگانه، ARIMA وGRNNدر پیش بینی غلظت ذرات معلقPM2.5
شادی اوسطی1 ، جمیل امان اللهی* 1، بختیار محمدی1
1- دانشگاه کردستان
چکیده:   (6790 مشاهده)

وجود مشکلات و بحران‌های زیست‌محیطی در جهان باعث شده است تا طی نیم قرن گذشته اهمیت بحث در مورد محیط-زیست و مسایل زیست‌محیطی بیشتر شود. در این میان آلودگی هوا به عنوان یکی از معضلات زیست محیطی ده‌های اخیر در ردیف یکی از زیان‌بار‌ترین بلایای طبیعی قرار گرفته است. با توجه به اثر گذاری زیان بار ذرات معلق بر روی سلامت انسانها، پیش‌بینی مقدار غلظت این ذرات در روزهای آینده می‌تواند سبب کاهش این اثرات شود. لذا در این مطالعه ازدقت مدل‌های خطی شامل رگرسیون خطی چند‌گانه (MLR) و خود‌رگرسیون میانگین متحرک انباشته (ARIMA) و از مدل غیر خطی شبکه عصبی رگرسیون عمومی (GRNN) برای پیش‌بینی ذرات معلق PM2.5 در شهر سنندج برای انتخاب دقیقترین مدل مورد آزمون قرار گرفت. مدل شبکه عصبی رگرسیون عمومی در این مطالعه برای اولین بار است که در ایران برای پیش‌بینی آلودگی اتمسفراستفاده می‌شود. داده‌های مربوط به کیفیت هوا شامل PM10، SO2، NO2، CO، O3 و داده‌های مربوط به هواشناسی شامل میانگین حداقل دما (MinT)، میانگین حداکثر دما (MaxT)، میانگین فشار جوی (AP)، بارش کل روزانه (PR)، رطوبت نسبی روزانه سطح هوا (RH) و سرعت باد روزانه (WS) مربوط به سال 1393 به عنوان متغیر‌های مستقل و میزان غلظت ذرات معلق PM2.5 به عنوان متغیر وابسته در نظر گرفته شدند. نتایج نشان داد که مدل شبکه عصبی رگرسیون عمومی با مقدار R2=0.81، RMSE=6.9468 و MAE=5در مرحله آموزش و مقدار R2=0.74، RMSE=5.0725و MAE=3.4874 در مرحله آزمون بهترین عملکرد را نسبت به مدل‌های خطی در پیش‌بینی ذرات معلق PM2.5در شهر سنندج داشته است.

واژه‌های کلیدی: ذرات معلق PM2.5، پیش‌بینی، سنندج، رگرسیون خطی چند‌گانه، خود‌رگرسیون میانگین متحرک انباشته، شبکه عصبی رگرسیون عمومی
متن کامل [PDF 1079 kb]   (3015 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: تخصصي
دریافت: 1393/3/16 | پذیرش: 1393/12/9 | انتشار: 1395/9/14
ارسال پیام به نویسنده مسئول

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

CAPTCHA


XML   English Abstract   Print


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

Ausati S, Amanollahi J, Mohammadi B. Accuracy assessment of multiple linear regression, (ARIMA), and (GRNN) models to prediction of particulate matter PM2.5 concentration. جغرافیایی 2016; 16 (55) :155-176
URL: http://geographical-space.iau-ahar.ac.ir/article-1-2093-fa.html

اوسطی شادی، امان اللهی جمیل، محمدی بختیار. ارزیابی دقت مدل های رگرسیون چندگانه، ARIMA وGRNNدر پیش بینی غلظت ذرات معلقPM2.5. فضای جغرافیایی. 1395; 16 (55) :155-176

URL: http://geographical-space.iau-ahar.ac.ir/article-1-2093-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 16، شماره 55 - ( 9-1395 ) برگشت به فهرست نسخه ها
فضای جغرافیایی Geographic Space
Persian site map - English site map - Created in 0.22 seconds with 43 queries by YEKTAWEB 4657