دوره 17، شماره 3 - ( 1396 )                   جلد 17 شماره 3 صفحات 202-195 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Noori R, Moazami S, Salimian M, Momeni M. Evaluation of Support Vector Machine Performance for Carbon Monoxide Prediction. MCEJ 2017; 17 (3) :195-202
URL: http://mcej.modares.ac.ir/article-16-9875-fa.html
نوری روح اله، معظمی صابر، سلیمیان محمد، مؤمنی محمودرضا. ارزیابی قابلیت ماشین بردار پشتیبان در پیش‌بینی مونوکسید کربن. مهندسی عمران مدرس. 1396; 17 (3) :195-202

URL: http://mcej.modares.ac.ir/article-16-9875-fa.html

ارزیابی قابلیت ماشین بردار پشتیبان در پیش‌بینی مونوکسید کربن
روح اله نوری* 1، صابر معظمی2 ، محمد سلیمیان1 ، محمودرضا مؤمنی1
1- دانشگاه تهران
2- دانشگاه آزاد اسلامی واحد اسلامشهر
چکیده:   (5086 مشاهده)
چکیده- عدم قطعیت موجود در مطالعات مدل‌سازی آلودگی هوا، نتایج شبیه‌سازی را به شدت تحت تأثیر قرار می‌دهد. در این راستا تعیین عدم قطعیت مدل‌های پیش‌بینی کیفی هوا، به دلیل تأثیرگذاری بر سلامت افراد در معرض آلودگی، از اهمیت ویژه‌ای برخوردار است. بنابراین در این تحقیق اقدام به تعیین عدم قطعیت ماشین بردار پشتیبان (SVM) برای تخمین مونوکسید کربن (CO) در ایستگاه پایش قلهک، در شمال تهران، شده است. برای تعیین عدم قطعیت مدل SVM، با تغییر الگوهای انتخابی برای کالیبراسیون، به دفعات زیاد واسنجی مدل انجام شد. این امر با خروجی‌های مختلف در هر مرحله، به دلیل حساسیت مدل به الگوهای واسنجی انتخابی، همراه بود. سپس با استفاده از فاکتور عرض باند (d-factor) و درصد داده‌های اندازه‌گیری قرار گرفته در باند 95 درصد عدم قطعیت مدل (95PPU)، عملکرد SVM در فرآیند پیش‌بینی CO مورد ارزیابی قرار گرفت. نتایج این تحقیق بیانگر عملکرد مناسب مدل SVM در پیش‌بینی غلظت روزانه CO در شهر تهران بود به گونه‌ای که از ضریب تعیین (R2) معادل 89/0 و 88/0 به ترتیب در مراحل کالیبراسیون و صحت‌سنجی برخوردار بود. همچنین یافته‌های تحلیل عدم قطعیت مدل SVM مشخص نمود که مقدار d-factor و درصد داده‌های اندازه‌گیری محصور شده توسط 95PPU برای این مدل در مرحله صحت‌سنجی به ترتیب معادل 74/0 و 76 درصد می‌باشد. بر اساس شاخص‌های آماری d-factor و 95PPU، عدم قطعیت مدل SVM برای پیش‌بینی غلظت روزانه CO در تهران قابل قبول بوده به نحوی که این مدل از عدم قطعیت اندکی در پیش‌بینی این شاخص کیفیت هوا در شهر تهران برخوردار بود.
واژه‌های کلیدی: ماشین بردار پشتیبان، آلودگی هوا، تحلیل عدم قطعیت، تهران، مونوکسید کربن
متن کامل [PDF 776 kb]   (5327 دریافت)    
نوع مقاله: یادداشت‌های فنی | موضوع مقاله: محیط زیست
دریافت: 1394/10/28 | پذیرش: 1395/3/12 | انتشار: 1396/6/1
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.