پیش بینی داده‌های جا افتاده ایستگاه‌های پایش آلودگی هوا به کمک فیلتر کالمن

نوع مقاله : مقاله علمی-پژوهشی

نویسنده

استادیار،گروه نقشه برداری، دانشکده فنی و مهندسی مرند، دانشگاه تبریز، تبریز، ایران

چکیده

در سالهای اخیر با توجه به افزایش چشمگیر آلاینده های هوا، تهیه نقشه های دقیق آلودگی هوا و توسعه سامانه های آنی پایش آلودگی هوا؛ توجه محققان زیادی را به خود جلب کرده است. با توجه به اینکه داده های به دست آمده از ایستگاه های پایش آلودگی هوا، عاری از خطا نبوده و برخی از مشاهدات آنها جا افتاده است؛ لذا بهره گیری از مدلی توانمند جهت پالایش داده ها و پیش بینی مشاهدات جا افتاده ضروری بنظر می رسد. در تحقیق حاضر، مقادیر آلاینده های هوا برای ایستگاه های موجود در منطقه 3 تهران به کمک فیلتر کالمن تصحیح و پیش بینی شد. نتایج حاکی از دقت متوسط 92 درصدی برای فیلتر کالمن بوده است.

کلیدواژه‌ها


1- صادقی، ح.، خاکسار آستانه، س.، 1393،  پیش‌بینی کوتاه‌مدت آلودگی ذرات معلق شهر اهواز با کمک شبکه‌های عصبی، پژوهش­های محیط زیست، سال 5، شماره 9، 177-186.
2-Brunelli, U., Piazza, V., Pignato, L., Sorbello, F. and Vitabile, S., (2007), Two-days ahead prediction of daily maximum concentrations of So2, O3, Pm10, No2, Co in the urban area of Palermo, Italy, Atmospheric Environment, Vol.41, pp.2967-2995.
3- Perez, P. and Reyes, J., 2006, An integrated neural network model for PM10 forecasting, Atmospheric Environment, Vol.40, pp.2845-2851.
4- بوداقپور، س. و چرخستانی، ا.، 1390، پیش‌بینی میزان غلظت آلاینده‌های هوای تهران با استفاده از شبکه عصبی مصنوعی، علوم و تکنولوژی محیط‌زیست، دوره سیزدهم، شماره یک.
5- علیاری شوره‌دلی، م.؛ تشنه لب، م. و خاکی، ع.، 1387، پیش‌بینی کوتاه مدت آلودگی هوا با کمک شبکه‌های عصبی پرسپترون چندلایه، خط حافظه‌دار تاخیر، گاما و ANFIS با روش‌های ترکیبی آموزشی مبتنی بر PSO، مجله کنترل، جلد2، شماره 1، 19-1.
6- Kalman, R. E., 1960, A new approach to linear filtering and prediction problems, Journal of basic Engineering, Vol.82, No.1, pp.35-45.
7- Laine, M., Latva-Pukkila, N. and Kyrölä, E., 2014, Analysing time-varying trends in stratospheric ozone time series using the state space approach, Atmospheric Chemistry and Physics, Vol.14, No.18, pp.9707-9725.
8- Ishihara, J. Y., Terra, M. H. and Campos, J. C., 2006, Robust Kalman filter for descriptor systems, IEEE Transactions on Automatic Control, Vol.51, No.8, pp.1354-1358.
9- Wolpert, D. M. and Ghahramani, Z., 2000, Computational principles of movement neuroscience, nature neuroscience, Vol.3, pp.1212-1217.
10- انتظاری، ع.،1384، مطالعه آماری و سینوپتیکی آلودگی هوای تهران. (رساله دکتری)، دانشگاه تربیت مدرس. 
11- زبردست، ا.، ریاضی، ح.، 1394، شاخص‌های محیط انسان ساخت و تاثیرات آن بر آلودگی هوا (مطالعه موردی: محدوده پیرامونی چهارده ایستگاه سنجش کیفیت هوا در شهر تهران)، نشریه هنرهای زیبا- معماری و شهرسازی، دوره 20، شماره 1، 66-55.
12- Tofallis, C., 2015, A better measure of relative prediction accuracy for model selection and model estimation, Journal of the Operational Research Society, Vol.66, No.8, pp.1352-1362.