بررسی و ارزیابی الگوریتم‌های مونت‌کارلو و شبکه‌های عصبی برای پیش‌بینی آلودگی هوا در محیط یک سیستم اطلاعات مکانی زمانمند

فصل ۱   : مقدمه

۱-۱-      مقدمه

۱-۲-      زمینه‌ها و اهداف پایان نامه

۱-۳-      مروری بر تحقیقات انجام شده

۱-۴-      روش تحقیق

۱-۵-      ساختار پایان نامه

فصل ۲   : مبانی نظری

۲-۱-      آلودگی هوا چیست؟

۲-۱-۱-  انواع آلاینده ها

ذرات آلوده یا مواد معلق در هوا ( PM10 )

منوکسید کربن

اکسید های سولفور

اکسیدهای نیتروژن

ازن

هیدروکربن‌های فرار (VOCs)

۲-۱-۲-  شاخص استاندارد آلودگی هوا

تعریف ppm و ppb

۲-۲-      پارامترهای هواشناسی و اثرات آنها در عوامل آلوده کنندۀ هوا

۲-۳-      سیستم اطلاعات مکانی زمانمند

۲-۴-      سری‌های زمانی

فصل ۳:مواد و روش‌های مورد استفاده در تحقیق

۳-۱-      معرفی ایستگاه‌ها و داده‌ها

۳-۲-      بررسی قابلیت پیش بینی داده‌ها

۳-۲-۱-  آزمون تحلیل تغییر مبنای حوزۀ تغییرات (تحلیلR/S )

۳-۳-      استفاده از تحلیل مؤلفه های اصلی  و تحلیل عامل اصلی به منظور بررسی داده های اثر گذار بر CO و  O3  برای ورود به یک سیستم پیش بینی کنندۀ CO و  O3

۳-۳-۱-  تحلیل مؤلفه های اصلی و تحلیل عامل اصلی

۳-۴-      تحلیل سری زمانی داده ها به منظور استخراج تأخیرهای زمانی مؤثر هر سری داده در پیش بینی O3 و CO

۳-۴-۱-  استفاده از توابع خود همبستگی (ACF) و خود همبستگی جزئی (PACF) به منظور پیدا کردن الگوی مناسب برای سری زمانی

تابع خود همبستگی

تابع خود همبستگی جزئی

فرایندهای اتورگرسیو

فرایندهای میانگین متحرک

فرایندهای اتورگرسیو میانگین متحرک

فرآیندهای ایستا

تبدیل فرایندهای غیر ایستا به فرایندهای ایستا

۳-۵-      معماری‌های شبکه عصبی

۳-۵-۱-  مدل یک نورون مصنوعی

۳-۶-      شبکه عصبی پرسپترون چند لایه

۳-۶-۱-  ساختار شبکه های عصبی پرسپترون چندلایه

۳-۶-۲-  الگوریتم پس انتشار خطا در شبکه های پرسپترون چندلایه

۳-۷-      شبکه المن

۳-۷-۱-  آموزش شبکه Elaman

۳-۸-      رگرسیون‌ خطی

۳-۹-      مدل‌های خطی تعمیم یافته

۳-۱۰-    مدل های خطی تعمیم یافته بیز

۳-۱۱-    زنجیره‌‌های مارکف مونت‌کارلو

فصل ۴: ارزیابی شبکه‌های عصبی و رگرسیون بیز با رویکرد مونت کارلو در پیش‌بینی دو آلایندۀ CO و O3

۴-۱-      مقدمه

۴-۲-      بررسی تغییرات مکانی دو آلایندۀ CO و O3

۴-۳-      بررسی قابلیت پیش بینی داده ها

۴-۴-      بررسی نتایج حاصل از تحلیل مؤلفه‌های اصلی و تحلیل عامل اصلی به منظور بررسی داده‌های اثر گذار بر دو آلایندۀ CO و  O3

۴-۵-      بررسی هر یک از سری‌های زمانی به منظور تعیین تأخیرهای زمانی مؤثر برای پیش‌بینی یک گام زمانی جلوتر

بررسی سری زمانی رطوبت

۴-۶-      پیش پردازش داده‌ها برای ورود به شبکۀ عصبی

۴-۷-      پیش‌بینی دو آلایندۀ CO و O3 با استفاده از شبکه‌های عصبی

۴-۷-۱-  پیش‌بینی به کمک شبکه‌های MLP

پیش‌بینی O3

پیش‌بینی CO

۴-۷-۲-  پیش بینی به کمک شبکه المن

پیش‌بینی O3

پیش‌بینی CO

۴-۸-      پیش‌بینی دو آلایندۀ CO و O3 با استفاده از رگرسیون بیز با رویکرد مونت‌کارلو

فصل ۵: نتیجه‌گیری و پیشنهادات

۵-۱-      نتیجه گیری