توسعه الگوریتم‌های یادگیری ماشین جهت پیش‌بینی شاخص کیفیت هوای شهری (منطقه مطالعاتی: شهر تهران) مقالة

مؤلف: کرمی، پیمان ؛ اسلامی نژاد، سید احمد ؛ افتخاری، مبین ؛ برومند، فراز ؛

جغرافیا و مخاطرات محیطی تابستان 1402 - شماره 46 ، الف (Ministry of Science/ISC (‎22 صفحة - من 165 إلی 186 )

الکلمات المفتاحية: آلودگی هوا الگوریتم ژنتیک ماشین بردار پشتیبان جنگل تصادفی یادگیری ماشین Machine learning support vector machine Random Forest Air Pollution Genetic Algorithm

fa en

خلاصة:

با توجه به مضرات آلودگی هوا بر سلامت انسان‌ها و محیط، کاهش و حل این معضل براساس شناخت دقیق آلاینده‌ها و عوامل تاثیرگذار بر آن و مشخص نمودن پهنه‌های آلوده ضروری به نظر می‌رسد؛ بنابراین استفاده از مدل‌های ریاضی در قالب یادگیری ماشینی رویکردی بهینه و مقرون به صرفه برای مدل‌سازی آلودگی هواست. این تحقیق به‌ لحاظ هدف کاربردی بوده و روش بررسی آن توصیفی-تحلیلی است. نوآوری تحقیق حاضر ارائه یک رویکرد ترکیبی جدید جهت تعیین معیارهای موثر در پیش‌بینی میزان آلودگی هوا می‌باشد. لذا هدف از تحقیق حاضر ارزیابی و مقایسه قابلیت دو مدل یادگیری ماشین، یعنی ماشین بردار پشتیبان (‌SVM) ‌ و جنگل تصادفی (‌RF) ‌در ترکیب با الگوریتم ژنتیک (GA) جهت پیش‌بینی میزان آلودگی هوا در شهرستان تهران است. داده‌های مورداستفاده در این تحقیق شامل ذرات معلق و آلاینده‌های گازی شهر تهران مرتبط با سال 1399 می‌‌باشد که از شرکت کنترل ترافیک شهر تهران اخذ گردیده است. به منظور تجزیه‌وتحلیل داده‌ها از نرم‌افزارهای Matlab و ArcMap استفاده شد. مقدار ضریب تشخیص (R2) حاصل از روش ترکیبی RF-GA برابر 997/0 به دست آمد که نشان‌دهنده سازگاری بالای این مدل با داده‌های این تحقیق است. همچنین مقدار ریشه میانگین خطای مربعات (RMSE) برابر 153/0 به دست آمد که نشان‌دهنده دقت بالای این مدل می‌باشد. بر اساس اطلاعات گرفته شده از شرکت کنترل ترافیک شهر تهران، نتایج حاصل از روش RF بیانگر مناسب بودن انتخاب مدل مذکور جهت برآورد میزان آلودگی هوای شهر تهران بوده است.

استلام ملف الإرجاع :
(پژوهیار, , , )

تحميل
تحميل HTML

رابط قصير:

صفحة:

دخول / الاشتراک

تحتاج الدخول لعرض محتوى المقالة. إذا لم تكن عضوًا ، فتابع من الجزء الاشتراک.

دخول