عنوان

تحلیل آلودگی های هوایی ناشی از مکانیابی نامناسب مراکز صنعتی در شهر تبریز با استفاده از شبکه های عصبی

‭۸۴۲پ‬

per

تحلیل آلودگی های هوایی ناشی از مکانیابی نامناسب مراکز صنعتی در شهر تبریز با استفاده از شبکه های عصبی

/اکبر رحیمی

تبریز: دانشگاه تبریز، دانشکده علوم انسانی و اجتماعی، گروه جغرافیا و برنامه ریزی شهری

‮‭۱۸۹‬ ص.‬

: مصور، جدول، نمودار، عکس ‮‭۳۰‬*‮‭۲۹‬ س.م.- + یک لوح فشرده

چاپی

واژه نامه بصورت زیرنویس

کتابنامه ص: ‮‭۱۷۵-۱۸۱‬

کارشناسی ارشد

جغرافیا و برنامه ریزی شهری

‮‭۱۳۸۵/۰۹/۱۵‬

تبریز: دانشگاه تبریز، دانشکده علوم انسانی و اجتماعی، گروه جغرافیا و برنامه ریزی شهری

یکی از مشکلات بزرگ مادرشهرها، آلودگی های هوایی می باشد .پیش بینی آلودگی هوایی یکی از موضوعات مهم در نواحی شهری به شمار می رود .روشهای زیادی برای پیش بینی غلظت آلودگی هوایی وجود دارد .در سالهای اخیر پیشرفت قابل توجهی در توسعه مدلهای شبکه عصبی برای پیش بینی آلودگی هوایی صورت گرفته است .در این تحقیق، ضمن استفاده از شبکه های عصبی مصنوعی برای پیش بینی غلظت های مختلف آلودگی در تبریز، ارتباط غلظت این آلاینده با پارامترهای آب و هوایی به صورت ساعتی، با شبکه پرسپترون چند لایه مدلسازی شده است .کارایی پرسپترون چند لایه با روشهای قدیمی از جمله مدل خطی رگرسیون چندگانه مقایسه شد .نتیجه حاکی از آن بود که بین این غلظت ها و پارامترهای آب و هوایی، از جمله سرعت و جهت باد، رطوبت نسبی، رابطه کاملا غیر خطی برقرار است .مکانیابی مراکز بزرگ صنعتی در غرب و جنوب غرب شهر تبریز مهمترین عامل آلودگی هوایی می باشد .وزش باد از طرف غرب و جنوب غربی، باعث انتقال آلودگی به طرف شهر می شود .بنابراین، این فاکتور، یکی از عوامل مهم آلودگی هوایی در شهر تبریز می باشد.

Air pollution is one of the main problems in metropolitan areas. Therefore, the Prediction of air pollution can be regarded as one of the important issues of air quality research in urban areas. There are many methods for the prediction of air pollution concentration. In recent years, there has been considerable progress in the development of neural network models for air quality Prediction. In this paper, artificial neural network has been used for the prediction of concentration in Tabriz. Hourly correlation between the concentration and metrological variables was calculated by multilayer perceptron. Multilayer perceptron performance was compared with traditional methods such as multiple linear regressions. The results indicated that there was a high non-linear correlation between concentration and metrological variables such as: speed and direction of wind, and relative humidity. The location of large industries in the west and southwest of Tabriz were found to be the most affective element in air pollution. Blowing of winds from west and southwest directions, have caused pollution transferr to inner Tabriz.

Site selection of industrial centers

Air pollution

Urban environmental

Artificial neural networks

Multilayer perceptron

Multiple linear regression

رحیمی، اکبر

صدر موسوی، میر ستار، استادراهنما

عزیزپور، ملکه، استاد مشاور

گراوانچی زاده، مسعود، استاد مشاور همکار

سیاه و سفید

نمایه‌سازی قبلی