سیدرضا موسویان؛ علی اکبر حق دوست؛ راضیه توکلی
چکیده
زمینه و هدف: آلودگی هوا، از مهم‌ترین عوامل موثر در بروز بیماریهای قلبی- عروقی و مرگ‌و‌میر ناشی از آن است. شناخت صحیح چگونگی تأثیر آلودگی، راههای انتشار و پیشبینی تعداد بیماران دارای مشکلات حاد تنفسی، پیادهسازی راهحلهای مناسب برای حذف و کاهش آلایندههای هوا و کاهش مرگ‌و‌میر ناشی از بیماریهای مذکور ضروری میباشد. ...
بیشتر
زمینه و هدف: آلودگی هوا، از مهم‌ترین عوامل موثر در بروز بیماریهای قلبی- عروقی و مرگ‌و‌میر ناشی از آن است. شناخت صحیح چگونگی تأثیر آلودگی، راههای انتشار و پیشبینی تعداد بیماران دارای مشکلات حاد تنفسی، پیادهسازی راهحلهای مناسب برای حذف و کاهش آلایندههای هوا و کاهش مرگ‌و‌میر ناشی از بیماریهای مذکور ضروری میباشد. مطالعه حاضر با هدف بیان رابطه عوامل مختلف آلودگی هوا و تأثیر آن بر تعداد بیماران قلبی- عروقی در مشهد انجام شد.
مواد و روش ها: پارامترهای میانگین دما، رطوبت، جهت و سرعت باد و مقادیر آلایندههای مختلف به‌عنوان پارامترهای ورودی و تعداد افراد مراجعه کننده در یک روز به تفکیک جنس و سن به‌عنوان خروجی در مدلهای رگرسیون و شبکههای عصبی پیشخور به‌کار رفته تا تأثیر گازهای مونوکسید کربن(CO)، دیاکسید نیتروژن (NO2) و دیاکسید گوگرد (SO2) و ذرات معلق PM2.5و PM10 بر تعداد افراد مراجعه کننده به اورژانس بررسی شود. مجموعه دادهها شامل دادههای سازمان هواشناسی کل کشور، دادههای آلودگی هوا از سازمان هواشناسی مشهد و دادههای تعداد مراجعین روزانه بیماران قلبی به بخش اورژانس 115 مشهد بود.
یافته ها: مدلهای شبکه عصبی نشان میدهند که PM10وPM2.5بیشترین تأثیر را بر افزایش میزان بیماریهای قلبی- عروقی دارندو تأثیر سایرآلایندهها به‌ترتیب NO2، CO و SO2 میباشند.
نتیجه گیری: شبکههای عصبی میتوانند در مدلسازی و کشف رابطه پارمترهای محیطی و آلودگیها بر بیماران قلبی- عروقی به‌کار روند، زیرا توانایی بالایی در مدلسازی پدیدههای غیرخطی دارند. این مدلها نشان میدهند که با افزایش ذرات معلق در هوا، میزان بیماریهای قلبی- عروقی در شهر مشهد افزایش مییابد.
سید سعید کیخسروی؛ فرهاد نژادکورکی؛ محمود امین طوسی
چکیده
چکیده زمینه و هدف: مدلسازی گردو‌غبار میتواند به عنوان یک ابزار مناسب برای پیشبینی گردو‌غبار صنایع در آینده و تعیین استراتژیهای کنترل انتشار آلایندهها تلقی شود. در این مطالعه از شبکههای عصبی پرسپترون (MLP) و پایه شعاعی (RBF) به عنوان ابزاری برای پیشبینی گردو‌غبار خروجی از دودکش اصلی کارخانه سیمان سبزوار واقع در استان ...
بیشتر
چکیده زمینه و هدف: مدلسازی گردو‌غبار میتواند به عنوان یک ابزار مناسب برای پیشبینی گردو‌غبار صنایع در آینده و تعیین استراتژیهای کنترل انتشار آلایندهها تلقی شود. در این مطالعه از شبکههای عصبی پرسپترون (MLP) و پایه شعاعی (RBF) به عنوان ابزاری برای پیشبینی گردو‌غبار خروجی از دودکش اصلی کارخانه سیمان سبزوار واقع در استان خراسان رضوی استفاده شد. مواد و روش‌ها: در محدوده مطالعاتی مورد نظر، ابتدا میزان غلظت گردو‌غبار خروجی از دودکش اصلی کارخانه سیمان به وسیله اندازهگیریهای میدانی به‌دست آمد. سپس با به‌کارگیری پارامترهای خط تولید (درجه حرارت، سرعت گاز خروجی، ولتاژ، سوخت، مواد خام و مدت زمان نمونهبرداری)، به عنوان دادههای ورودی به شبکههای عصبی، جهت پیشبینی میزان غلظت گردو‌غبار استفاده شد. مقادیر حاصل از اجرای مدلها، با نتایج اندازهگیریهای میدانی به‌عنوان انتخاب مدل برتر، مورد مقایسه قرار گرفت. یافتهها: دربررسی نمودارها و پارامترهای آماری، مقادیر میانگین مربعات خطا برای دو مدل شبکههای عصبی پرسپترون و پایه شعاعی به‌ترتیب برابر 1/787 و 21/263 و مقادیر ضریب همبستگی به‌ترتیب برابر 0/99693 و 0/95811 بود که نشانگر خطای کمتر و همبستگی بیشتر مدل شبکههای عصبی پرسپترون نسبت به مدل پایه شعاعی در پیشبینی میزان غلظت گردو‌غبار بود. نتیجهگیری: به دلیل قابلیت بالای شبکه عصبی پرسپترون در پیشبینی میزان غلظت گردو‌غبار، این مدل میتواند یک راه‌حل مناسب و سریع در پیشبینی میزان گردو‌غبار صنایع باشد. نوع مقاله:مقاله پژوهشی کلید واژه‌ها: کارخانه سیمان، گردو‌غبار، شبکههای عصبی مصنوعی، آلودگی هوا