دوره 18، شماره 4 - ( 1397 )                   جلد 18 شماره 4 صفحات 210-201 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Kashipazan Qomi M, Shirgir B. Short-term Prediction of Particulate Matter Related to Traffic Flow Using Support Vector Machine (Case Study: Tehran City). MCEJ 2018; 18 (4) :201-210
URL: http://mcej.modares.ac.ir/article-16-15844-fa.html
کاشی پزان قمی محمدرضا، شیرگیر بهروز. پیش‌بینی کوتاه‌مدت آلاینده ذرات معلق ناشی از جریان ترافیک با استفاده از ماشین بردار پشتیبان (مطالعه موردی: شهر تهران). مهندسی عمران مدرس. 1397; 18 (4) :201-210

URL: http://mcej.modares.ac.ir/article-16-15844-fa.html

پیش‌بینی کوتاه‌مدت آلاینده ذرات معلق ناشی از جریان ترافیک با استفاده از ماشین بردار پشتیبان (مطالعه موردی: شهر تهران)
محمدرضا کاشی پزان قمی1 ، بهروز شیرگیر* 2
1- گروه عمران، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران
2- گروه مهتدسی عمران، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران
چکیده:   (4484 مشاهده)
یکی از مسائل حائز اهمیت در شهرها و کلان‌شهرهایی که با معضلات و آثار زیان‌بار آلودگی مواجه هستند، مسئله اطلاع‌رسانی وضعیت آینده کیفیت هوا و میزان آلودگی هوای شهری به مردم است. این مهم می‌تواند از طریق پیش‌بینی‌های روزانه یا حتی ساعتی وضعیت آلودگی هوا میسر شود و از قرارگیری افراد جامعه در مکان‌های آلوده و تبعات جبران‌ناپذیر آن جلوگیری کند. بنابراین نیاز به پیش‌بینی وضعیت کیفی هوا و تخمین‌های کمی از غلظت آلاینده‌ها در پی آمدوشد وسایل‌نقلیه احساس می‌شود که در این پژوهش به مسئله پیش‌بینی ساعتی غلظت آلاینده ذرات معلق (PM2.5) در منطقه 11 شهرداری تهران پرداخته شده که در حدود 80 درصد روزهای آلوده سال تحت اثر این آلاینده ار حد سالم تجاوز کرده است. روش مورد استفاده برای پیش‌بینی در این پژوهش، یکی از روش‌های تحلیل شبکه‌های عصبی با نام ماشین بردار پشتیبان (SVM) است. نتایج حاصل از این تحقیق نشان داد که مدل‌های SVM در پیش‌بینی سهم و مشارکت ترافیک ساعتی جاده‌ای در انتشار ذرات معلق به‌شدت خوب عمل می‌کنند و پیش-بینی‌ها به‌خوبی با مشاهدات هماهنگی دارند و این فرصت را فراهم می‌کند تا به‌عنوان ابزار مدیریت کیفیت هوا به‌کار روند.
واژه‌های کلیدی: پیش‌بینی آلودگی هوا، ماشین بردار پشتیبان، جریان ترافیک، ذرات معلق، مدیریت کیفیت هوا
متن کامل [PDF 1092 kb]   (2883 دریافت)    
نوع مقاله: مقاله اصلی | موضوع مقاله: زلزله
دریافت: 1396/12/7 | پذیرش: 1397/8/20 | انتشار: 1397/8/24
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.