چکیده
بالا بودن سطح آلودگی هوا می تواند تاثیرات شدیدی بر روی محیط زندگی انسان ها داشته و حتی جان آنها را در خطر بیندازد. به منظور کاهش آلودگی های متراکم هوا و همچنین هشدارهای عمومی پیش از رویداد آلودگی، بسیار ضروری است که یک مدل پیش بینی دقیق و قابل اعتماد (برای وضعیت آلودگی هوا) طراحی شود. با این وجود، اکثر تحقیقاتی که تا کنون انجام شده اند دارای کاستی های زیادی از جمله نادیده گرفتن اهمیت ثبات پیش بینی، انتخاب پارامترهای اولیه ضعیف و غیره می باشند. این کاستی ها می توانند تاثیر قابل توجهی روی کارایی مدل پیش بینی داشته باشند. از این رو برای حل این مشکلات، در این مطالعه یک مدل هیبریدی جدید مطرح شده است. برای این منظور، از یک تکنیک پیش پردازش قدرتمند برای تجزیه سریهای زمانی اصلی استفاده شده تا آنها را در حالتهای مختلف، از فرکانس پایین تا فرکانس بالا جداسازی کند. در این مقاله یک الگوریتم چند-هدفه به نام MOHHO مطرح شده که در آن پارامترهای مدل ELM به طور همزمان با دقت و پایداری بالایی برای پیشبینی سریهای آلودگی تنظیم میشوند. از این مدل ELM برای انجام عملیات پیشبینی سری های زمانی استفاده می شود. در نهایت، یک سیستم ارزیابی علمی و قدرتمند طراحی شده که شامل چندین معیار خطا، چندین مدل معیار (بنچمارک) و تعدادی آزمایش می باشد. این سیستم، بر اساس شش سری زمانی که مربوط به آلودگی های متراکم در سه شهر چین می باشند، ارزیابی فشرده ای بر روی مدل ارائه شده انجام می دهد. نتایج بدست آمده از آزمایشات نشان می دهد که مدل هیبریدی پیشنهادی می تواند در مقایسه با سایر مدل های مشابه عملکرد دقیق تر و پایدارتری در پیش بینی ارائه کند. این مدل می تواند طرح های برنامه ریزی کارآمدی برای پیش بینی آلودگی هوا توسعه دهد تا از مشکلات ناشی از آن جلوگیری شود.
1-مقدمه
در این بخش پیش زمینه ای از تحقیق و همچنین مروری بر مطالعات انجام شده در این زمینه فراهم شده است. علاوه بر این، نوآوری این مقاله نیز به طور دقیق مورد بررسی قرار گرفته است....
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید