کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6903320 1446989 2018 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Application of a novel early warning system based on fuzzy time series in urban air quality forecasting in China
ترجمه فارسی عنوان
کاربرد سیستم پیشگام هشدار جدید مبتنی بر سری زمانی فازی در پیش بینی کیفیت هوای شهر در چین
کلمات کلیدی
مدل پیشبینی آلاینده های هیبریدی، سری زمانی فازی تجزیه و تحلیل فاصله، پیش پردازش اطلاعات، دقت پیش بینی،
ترجمه چکیده
با آلودگی محیط زیست جو زمین به طور فزاینده ای جدی تبدیل شده است، ایجاد یک سیستم هشدار دهنده برای پیش بینی کیفیت هوا برای نظارت و کنترل کیفیت هوا حیاتی است. با این حال، با توجه به نوسانات زیادی در غلظت آلاینده ها، اکثر مطالعات قبلی بر افزایش دقت متمرکز شده اند، در حالی که تعداد کمی از آنها به تجزیه و تحلیل ثبات و عدم اطمینان پرداختند، که ممکن است منجر به نتایج کافی شود. بنابراین، یک سیستم اخطار هشدار جدید مبتنی بر سری زمانی فازی با موفقیت توسعه یافت که شامل سه ماژول پیش بینی کننده قطعی، ماژول تجزیه و تحلیل عدم قطعیت و ماژول ارزیابی است. در این سیستم، یک مدل هیبرید ترکیبی از روش پیش بینی سری فازی و رویکردهای پردازش داده ها برای پیش بینی آلودگی های اصلی هوا ساخته شده است. علاوه بر این، تجزیه و تحلیل عدم قطعیت برای تجزیه و تحلیل بیشتر و کشف عدم اطمینان در پیش بینی کیفیت آینده هوا ایجاد شد. در نهایت، یک ماژول ارزیابی اثربخشی مدل توسعه یافته را اثبات کرد. نتایج تجربی نشان می دهد که مدل پیشنهادی نسبت به مدل های مقدماتی و پایه بالاتر، و دقت و ثبات سیستم توسعه یافته قابل توجه است. بنابراین، منطق فازی یک گزینه بهتر در پیش بینی کیفیت هوا است و سیستم توسعه یافته یک ابزار مفید برای تحلیل و نظارت بر آلودگی هوا خواهد بود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
کاربرد سیستم پیشگام هشدار جدید مبتنی بر سری زمانی فازی در پیش بینی کیفیت هوای شهر در چین
چکیده انگلیسی
With atmospheric environmental pollution becoming increasingly serious, developing an early warning system for air quality forecasting is vital to monitoring and controlling air quality. However, considering the large fluctuations in the concentration of pollutants, most previous studies have focused on enhancing accuracy, while few have addressed the stability and uncertainty analysis, which may lead to insufficient results. Therefore, a novel early warning system based on fuzzy time series was successfully developed that includes three modules: deterministic prediction module, uncertainty analysis module, and assessment module. In this system, a hybrid model combining the fuzzy time series forecasting technique and data reprocessing approaches was constructed to forecast the major air pollutants. Moreover, an uncertainty analysis was generated to further analyze and explore the uncertainties involved in future air quality forecasting. Finally, an assessment module proved the effectiveness of the developed model. The experimental results reveal that the proposed model outperforms the comparison models and baselines, and both the accuracy and the stability of the developed system are remarkable. Therefore, fuzzy logic is a better option in air quality forecasting and the developed system will be a useful tool for analyzing and monitoring air pollution.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Soft Computing - Volume 71, October 2018, Pages 783-799
نویسندگان
, , ,