جلد 22، شماره 137 - ( 8-1394 )                   جلد 22 شماره 137 صفحات 43-31 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rostami Fasih Z, Mesdaghinia, A, Nadafi K, Nabizadeh Nodehi R, Mahvi A H, Hadi M. Forecasting the air quality index based on meteorological variables and autocorrelation terms using artificial neural network. RJMS 2015; 22 (137) :31-43
URL: http://rjms.iums.ac.ir/article-1-4073-fa.html
رستمی فصیح زینب، مصداقی نیا علیرضا، ندافی کاظم، نبی زاده نودهی رامین، محوی امیرحسین، هادی مهدی. پیش‌بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه‌های خودهمبسته با استفاده از شبکه عصبی مصنوعی. مجله علوم پزشکی رازی. 1394; 22 (137) :31-43

URL: http://rjms.iums.ac.ir/article-1-4073-fa.html

پیش‌بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه‌های خودهمبسته با استفاده از شبکه عصبی مصنوعی
زینب رستمی فصیح ، علیرضا مصداقی نیا ، کاظم ندافی ، رامین نبی زاده نودهی ، امیرحسین محوی ، مهدی هادی
استاد گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران ، mesdaghinia@sina.tums.ac.ir
چکیده:   (5824 مشاهده)

زمینه و هدف: شاخص کیفیت هوا (Air Quality Index-AQI) ارتباط کیفیت هوا را با سطوح سلامتی به صورت کمی بیان می‌کند. با استفاده از مدل شبکه عصبی مقدار AQI برای یک روز بعد بر مبنای متغیرهای هواشناسی و خودهمبستگی شاخص، برای شهر کرمانشاه   پیش‌بینی شد.

روش کار: بعد از آماده سازی داده‌های آلاینده‌های معیار و متغیرهای هواشناسی سال‌های 91-1389، تاخیرهای زمانی یک روز قبل و بعد متغیرها ایجاد شد. مقدار شاخص یک روز بعد به عنوان متغیر وابسته و سایر متغیرها  به عنوان ورودی مدل استفاده گردید. عملکرد مدل با استفاده از ضریب همبستگی  (r)، ضریب تبیین (R2) و ریشه میانگین مربع خطا ارزیابی شد. تحلیل حساسیت مدل بررسی و مهمترین متغیرهای موثر برای پیش‌بینی AQI شناسایی گردید.

 یافته ها: مقدار r مراحل آموزش، اعتبارسنجی و آزمون مدل  بالاتر از 75/0 تعیین و  R2 مرحله آزمون  برابر 6/0 تعیین شد. در بین متغیرهای هواشناسی، میزان دید افقی و میزان بارندگی تاثیر بیشتری بر مقدار شاخص داشتند به نحوی که  بارندگی در یک روز قبل به طور معناداری باعث کاهش مقدار AQI روز بعد خواهد شد. همچنین بین میزان دید افقی و AQI ارتباط معکوس مشخص گردید.

نتیجه گیری: مدل پیشنهادی می تواند برای پیش‌بینی مقدار شاخص AQI شهر کرمانشاه مورد استفاده قرار گیرد. با توجه به مسئله آلودگی هوا و خصوصاً مشکل ریزگردها، چنانچه چنین مدلی  به صورت دینامیک استفاده شود نقش آن در اعلان وضعیت هوا ملموس‌تر خواهد شد. پیشنهاد  می‌گردد پیش‌بینی شاخص AQI در قالب یک مدل با قابلیت به روز شدن برای این استان در مطالعات بعد انجام گردد.

واژه‌های کلیدی: پیشبینی، شبکه عصبی مصنوعی، متغیرهای هواشناسی، شاخص کیفیت هوا
متن کامل [PDF 1427 kb]   (2933 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: نوزادان
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله علوم پزشکی رازی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC-SA 4.0| Razi Journal of Medical Sciences

Designed & Developed by : Yektaweb