کلاس بندی داده های مجموعه داده کیفیت هوا با شبکه عصبی مصنوعی
پروژه ۶۰۸: کلاس بندی داده ها مربوط به کیفیت هوا با متلب / شبکه های عصبی
پیشگفتار:
در هوای پیرامون ما ممکن است موادی یافت شود که به سلامت گیاهان و جانوران و از جمله ما انسانها آسیب بزند. این مواد زیانبار که آلایندهی هوا نام دارند، هم از فرآیندهای طبیعی و هم از فعالیتهای انسان تولید میشود. آن چه را که آلاینده مینامیم ممکن است به طور معمول در طبیعت یافت نشود، یا اگر در طبیعت وجود دارد، غلظت آن بیشتر از حد معمول باشد یا در جایی غیر از جای معمول خود یافت شود.
مفهوم آلودگی هوا بسیار گسترده است و به عوامل شیمیایی، فیزیکی یا زیستشناختی تغییر دهندهی ویژگیهای طبیعی جو گفته میشود، جو زمین یک سامانهی طبیعی پیچیده و فعال است که موجبات تشکیل حیات را در زمین فراهم آورده است و با تغییر در جو، حیات در زمین نیز با خطر میافتد . برای مثال از سالها پیش بشر متوجه کاهش ازن استراتوسفری شده است که یکی از پیآمدهای آلودگی هواست که اثرهای زیانباری هم بر زیستبوم زمین دارد و هم تهدیدی برای سلامت جامعهی بشری به شمار میآید.
بخش شبیه سازی :
از سایت مربوطه داده های مورد نظر را دانلود نموده و به صورت فایل اکسل در متلب فراخوانی می نماییم. برخی از چند جدول اولیه در زیر آورده شده است:
مجموع داده ها شامل ۹۳۵۸ تا می باشد. هدف این بوده که براساس یکسری ورودی ها خروجی تخمین زده شود. نوع ورودی ها و خروجی به شرح زیر است:
- زمان (HH.MM.SS)
- درصد CO غلظت ساعتی به طور متوسط در میلی گرم / متر ^ ۳ (تجزیه و تحلیل مرجع)
- S1 (اکسید قلع) پاسخ سنسور ساعتی به طور متوسط
- درصد ساعتی به طور متوسط به طور کلی غیر Metanic غلظت هیدروکربن ها در میکروگرم / M ^ 3 (تجزیه و تحلیل مرجع)
- درست غلظت ساعتی به طور متوسط بنزن در میکروگرم
- S2 (تیتانیا) ساعتی به طور متوسط پاسخ سنسور
- درصد غلظت ساعتی به طور متوسط Nox
- S3 (اکسید تنگستن) ساعتی به طور متوسط پاسخ سنسور
- درصد غلظت NO2 ساعتی به طور متوسط در میکروگرم
- S4 (اکسید تنگستن) ساعتی به طور متوسط پاسخ سنسور
- S5 (اکسید ایندیم) ساعتی به طور متوسط پاسخ سنسور
- درجه حرارت در یک ° C
- رطوبت نسبی
- قدر مطلق رطوبت
در این داده ها هدف تعیین میزان رطوبت هوا با توجه به مشخصات مسئله می باشد. هر ۱۴ مجموع داده ها به عنوان داده های اصلی که مورد آخر را به عنوان خروجی در نظر می گیریم.
در لایه پنهان ۱۰ نرون و درلایه آخر ۱ نرون از نوع خطی استفاده گردیده است.
نوع الگوریتم آموزش را در این شبیه سازی از نوع لونبرگ مارکوات در نظر می گیریم.
تعداد تکرار ها براساس نوع شبکه در همه موارد ۱۰۰۰ در نظر گرفته میشود.
این شبیه سازی به همراه توضیحات می باشد.
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید .
دیگر پروژه های قابل دانلود:
مجموعه: شبکه عصبی, مهندسی کامپیوتر