پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهد
زمینه و هدف: آلودگی هوای شهرهای صنعتی و بزرگ ناشی در سال های اخیر عمدتا ناشی از ذرات معلق هستند. پیش‌بینی غلظت آلاینده ها به مدیریت و برنامه‌ریزی صحیح در راستای بهبود کیفیت هوا کمک شایانی خواهد کرد. هدف از این مطالعه پیش‌بینی غلظت ذرات معلق با استفاده از چهار مدل غیرخطی هوش مصنوعی مبتنی بر روش یادگی...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Mashhad University of Medical Sciences
2025-02-01
|
| Series: | Pizhūhish dar Bihdāsht-i Muḥīṭ. |
| Subjects: | |
| Online Access: | https://jreh.mums.ac.ir/article_25727_9c8840b4bc94b9162d99223ba4d0c20e.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849245584106455040 |
|---|---|
| author | احمد مخدومی سمیه ضیائی مریم سرخوش |
| author_facet | احمد مخدومی سمیه ضیائی مریم سرخوش |
| author_sort | احمد مخدومی |
| collection | DOAJ |
| description | زمینه و هدف: آلودگی هوای شهرهای صنعتی و بزرگ ناشی در سال های اخیر عمدتا ناشی از ذرات معلق هستند. پیش‌بینی غلظت آلاینده ها به مدیریت و برنامه‌ریزی صحیح در راستای بهبود کیفیت هوا کمک شایانی خواهد کرد. هدف از این مطالعه پیش‌بینی غلظت ذرات معلق با استفاده از چهار مدل غیرخطی هوش مصنوعی مبتنی بر روش یادگیری ماشین است. مواد و روش ها: تکنیک‌های یادگیری ماشین مورد استفاده در این مطالعه شامل: ماشین تقویت گرادیان سبک، رگرسیون تقویت گرادیان پیشرفته، جنگل تصادفی و رگرسیون با تقویت گرادیان بود. داده‌های هواشناسی و غلظت ذرات‌معلق برای پیش‌بینی شاخص کیفیت هوا جمع‌آوری گردید. یافته‌ها: نتایج این مطالعه نشان می دهد مدل جنگل تصادفی بر اساس معیارهای میانگین خطای مطلق و میانگین درصد خطای مطلق، عملکرد بهتری نشان می دهد؛ در صورتیکه مدل رگرسیون با تقویت گرادیان بر اساس معیارهای میانگین خطای مربعات و ریشه میانگین خطای مربع عملکرد قویتری را نشان می دهد. نتیجه‌گیری: در نتیجه، این مطالعه روشی را برای به‌دست آوردن نتایج پیش‌بینی با دقت بالا با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین را پیشنهاد می‌کند که برای پایش کیفیت هوا در مقیاس جهانی و بهبود ارزیابی مواجهه حاد در تحقیقات اپیدمی مفید است. |
| format | Article |
| id | doaj-art-27629e93ac0149a892e120a1d948704c |
| institution | Kabale University |
| issn | 2423-5202 |
| language | fas |
| publishDate | 2025-02-01 |
| publisher | Mashhad University of Medical Sciences |
| record_format | Article |
| series | Pizhūhish dar Bihdāsht-i Muḥīṭ. |
| spelling | doaj-art-27629e93ac0149a892e120a1d948704c2025-08-20T03:58:45ZfasMashhad University of Medical SciencesPizhūhish dar Bihdāsht-i Muḥīṭ.2423-52022025-02-01104223510.22038/jreh.2025.2572725727پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهداحمد مخدومی0سمیه ضیائی1مریم سرخوش2دانشجو ارشد مهندسی بهداشت محیط، عضو کمیته تحقیقات دانشجویی دانشکده بهداشت دانشگاه علوم پزشکی مشهد،مشهد، ایران.دانشجو دوره تکمیلی پژوهشی دانشکده بهداشت، عضو کمیته تحقیقات دانشجویی دانشکده بهداشت دانشگاه علوم پزشکی مشهد، مشهد ، ایران.گروه بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایرانزمینه و هدف: آلودگی هوای شهرهای صنعتی و بزرگ ناشی در سال های اخیر عمدتا ناشی از ذرات معلق هستند. پیش‌بینی غلظت آلاینده ها به مدیریت و برنامه‌ریزی صحیح در راستای بهبود کیفیت هوا کمک شایانی خواهد کرد. هدف از این مطالعه پیش‌بینی غلظت ذرات معلق با استفاده از چهار مدل غیرخطی هوش مصنوعی مبتنی بر روش یادگیری ماشین است. مواد و روش ها: تکنیک‌های یادگیری ماشین مورد استفاده در این مطالعه شامل: ماشین تقویت گرادیان سبک، رگرسیون تقویت گرادیان پیشرفته، جنگل تصادفی و رگرسیون با تقویت گرادیان بود. داده‌های هواشناسی و غلظت ذرات‌معلق برای پیش‌بینی شاخص کیفیت هوا جمع‌آوری گردید. یافته‌ها: نتایج این مطالعه نشان می دهد مدل جنگل تصادفی بر اساس معیارهای میانگین خطای مطلق و میانگین درصد خطای مطلق، عملکرد بهتری نشان می دهد؛ در صورتیکه مدل رگرسیون با تقویت گرادیان بر اساس معیارهای میانگین خطای مربعات و ریشه میانگین خطای مربع عملکرد قویتری را نشان می دهد. نتیجه‌گیری: در نتیجه، این مطالعه روشی را برای به‌دست آوردن نتایج پیش‌بینی با دقت بالا با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین را پیشنهاد می‌کند که برای پایش کیفیت هوا در مقیاس جهانی و بهبود ارزیابی مواجهه حاد در تحقیقات اپیدمی مفید است.https://jreh.mums.ac.ir/article_25727_9c8840b4bc94b9162d99223ba4d0c20e.pdfآلودگی هواpmیادگیری ماشین‌مدل‌های غیرخطی |
| spellingShingle | احمد مخدومی سمیه ضیائی مریم سرخوش پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهد Pizhūhish dar Bihdāsht-i Muḥīṭ. آلودگی هوا pm یادگیری ماشین مدل‌های غیرخطی |
| title | پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهد |
| title_full | پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهد |
| title_fullStr | پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهد |
| title_full_unstemmed | پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهد |
| title_short | پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهد |
| title_sort | پیش‌بینی و آنالیز آماری غلظت ذرات با استفاده از هوش مصنوعی مبتنی بر یادگیری ماشین در شهر مشهد |
| topic | آلودگی هوا pm یادگیری ماشین مدل‌های غیرخطی |
| url | https://jreh.mums.ac.ir/article_25727_9c8840b4bc94b9162d99223ba4d0c20e.pdf |
| work_keys_str_mv | AT ạḥmdmkẖdwmy pysẖbynywậnạlyzậmạrygẖlẓtdẖrạtbạạstfạdhạzhwsẖmṣnwʿymbtnybryạdgyrymạsẖyndrsẖhrmsẖhd AT smyhḍyạỷy pysẖbynywậnạlyzậmạrygẖlẓtdẖrạtbạạstfạdhạzhwsẖmṣnwʿymbtnybryạdgyrymạsẖyndrsẖhrmsẖhd AT mrymsrkẖwsẖ pysẖbynywậnạlyzậmạrygẖlẓtdẖrạtbạạstfạdhạzhwsẖmṣnwʿymbtnybryạdgyrymạsẖyndrsẖhrmsẖhd |