ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > التنبؤ لبيانات تلوث الهواء باس...>الوصف

التنبؤ لبيانات تلوث الهواء باستخدام الطريقة الهجينة RNN-Wavelet بالاعتماد على نموذج MLR

المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: قادر، ختام وليد (مؤلف)
مؤلفين آخرين: الحنون، أسامة بشير شكر (م. مشارك)
المجلد/العدد: ع34
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2021
الشهر: ديسمبر
الصفحات: 40 - 55
ISSN: 1680-855X
رقم MD: 1261387
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الشبكات العصبية | الأضرار البيئية | الأرصاد الجوية | الطرق الهجينة | الانحدار الخطي | النماذج المبرمجة
كلمات المؤلف المفتاحية:
Multiple Linear Regression (MLR) | Recurrent Neural Network (RNN) | Wavelet | Particular Matter (PM10) | Forecasting | Hybrid MLR-RNN | Hybrid RNN-Wavelet
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: ان دراسة الجسيمات المعلقة ((PM10) Particular matter) والتكهن بها ضروري للتقليل والسيطرة على الأضرار البيئية وصحة الانسان. هنالك العديد من مصادر التلوث او ما يسمى بالملوثات والتي ربما تؤثر على متغير PM10. كل هذه المتغيرات تصنف بياناتها كغير خطية. اخذ بيانات الدراسة من محطة مناخية في ماليزيا. وتم استخدام نماذج الانحدار الخطي المتعدد Multiple linear regression (MLR) كطريقة إحصائية خطية للتنبؤ بمتغير PM10 من خلال تأثره بمتغيرات الأرصاد الجوية المقابلة، لذلك فقد يعكس نتائج غير دقيقة عند استخدامه مع مجموعات البيانات غير الخطية. ولتحسين نتائج التنبؤ تم استخدام الشبكات العصبية المعاودةRecurrent neural network (RNN) من خلال توفيقه مع نموذج MLR ضمن الطريقة الهجينة MLR-RNN. وكذلك تم استخدام تحليل المويجات WaveIet في ترشيح النتائج المستحصلة من طريقة MLR-RNN للحصول على تحسين أكثر للنتائج التنبؤ من خلال ما يسمى الطريقة الهجينة RNN-Wavelet واعتمادا على نموذج MLR. ان أفضل نتائج التنبؤ بشكل عام كانت باستخدام الطريقة الهجينة RNN-Wavelet. ان أفضل نتائج التنبؤ بشكل عام كانت باستخدام الطريقة المقترحة الهجينة RNN-Wavelet. كما عكست النتائج افضلية تنبؤات الطرق الهجينة مقارنة مع الطريقة التقليدية المتمثلة بنموذج MLR. وكاستنتاج في هذه الدراسة فمن الممكن استخدام التحليل المويجي بعد تهجينه مع الشبكات العصبية المعاودة اعتمادا على نموذج الانحدار الخطي المتعدد كأسلوب فعال للحصول على أفضل نتائج التنبؤ مع البيانات غير الخطية متعددة المتغيرات عندما يكون PM10 كمتغير معتمد.

Particular matter (PM10) studying and forecasting is necessary to control and reduce the damage of environment and human health. There are many pollutants as sources of air pollution may effect on PM10 variable. This type of dataset can be classified as nonlinear. Studied datasets have been taken from climate station in Malaysia. Multiple linear regression (MLR) is used as linear statistical method for PM10 forecasting through its influencing by corresponding climate variables, therefore it may reflect inaccurate results when used with nonlinear datasets. To improve the results of forecasting, recurrent neural network (RNN) has been suggested to be used after combining with MLR in hybrid in this study. Wavelet analysis is proposed filtering the result of MLR-RNN method for more improving of forecasting results through RNN-Wavelet hybrid method based on MLR model. In general, the best results of forecasting were for using RNN-Wavelet method. . In addition, the results of hybrid methods were outperformed comparing to MLR model as traditional method. As conclusion in this study, Wavelet analysis can be used after hybridizing with RNN based on MLR as active approach to obtain better forecasting results with nonlinear datasets in which PM10 is to dependent variable.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.