ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام الاسلوب MLR-RNN للتكهن...>الوصف

استخدام الاسلوب MLR-RNN للتكهن ببيانات التلوث الجوي

العنوان بلغة أخرى: Using the Hybrid MLR-RNN Approach for Air Pollution Forecasting
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: الحنون، أسامة بشير شكر (مؤلف)
مؤلفين آخرين: يحيى، مريم منيب محمد (م. مشارك)
المجلد/العدد: ع29
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2019
الصفحات: 37 - 46
ISSN: 1680-855X
رقم MD: 991116
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
التكنولوجيا البيئية | التلوث الجوي | التنبؤ البيئى | الأساليب العلمية
كلمات المؤلف المفتاحية:
الاسلوب MLR-RNN | الانحدار | التلوث الجوي
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: Air Quality Modeling gained great importance in atmospheric pollution because of its negative effects on the environment and human health. In our study, the relationship between (Particulate Matter PM10) and other nine variables over three years is studied to applied the multiple linear regression models (MLR). The MLR model is the most common for studying like this multivariate case. The main problem for this type of data is the non linear style that has been referred by many researchers before. The recurrent neural network (RNN) is nonlinear method which can be used to solve the nonlinearity problem and resul better forecasting. The hybrid method MLR–RNN can be used also for the best results and lead to more accurate forecasting. The hybrid method MLR–RNN has improved the performance of MLR method separately.

أن نمذجة جودة الهواء اكتسبت أهمية كبيره في تلوث الهواء الجوي بسبب الآثار السلبية على البيئة وصحة الإنسان. وفي هذه الدراسة تم التطرق إلى ملوثات الهواء التي كان لها تأثير مباشر على بيانات PM10. إن بيانات التلوث الجوي والإرصاد الجوية عموماً تأخذ نمطاً غير خطياً حسب تجارب سبقت في هذا المجال مما يؤدي إلى ظهور نتائج وتكهنات غير دقيقة في حالة استخدام نماذج خطية مثل نماذج الانحدار الخطي المتعدد. إن استخدام طرق غير خطية مثل الشبكات العصبية المعاودةRNN) ) قد يؤدي إلى تحسين ملحوظ في نتائج التكهن والتحليل. في هذه الدراسة تم اقترح استخدام نموذج الانحدار الخطي المتعدد الأكثر شيوعا لدراسة البيانات متعددة المتغيرات كما وتم اقتراح استخدام الشبكات العصبية المعاودة لمعالجة مشكلة عدم خطية البيانات مما يؤدي إلى نتائج أكثر دقة. وكذلك اقترح استخدام الطريقة الهجينة MLR- RNN ومن خلال تقليل عدد المتغيرات التفسيرية فقد حسنت طريقة RNN أداء MLR ولذلك حسنت الطريقة الهجينة MLR-GA نتائج التحليل والتكهن بشكل أفصل.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.