TY - JOUR T1 - An Online Approach for Spatio-Temporal Prediction of Air Pollution in Tehran using Support Vector Machine TT - ارائه‌ی روشی پویا برای پیش‌بینی مکانی-زمانی آلودگی هوای شهر تهران بر مبنای ماشین بردار پشتیبان JF - kntu-jgit JO - kntu-jgit VL - 3 IS - 4 UR - http://jgit.kntu.ac.ir/article-1-305-fa.html Y1 - 2016 SP - 43 EP - 63 KW - Online air pollution prediction KW - Support Vector Machine KW - Time series KW - Geographic Information System KW - Big data. N2 - با توجه به آثار سوء آلودگی هوا بر سلامت انسان‌ها و محیط، پیش‌بینی و مدلسازی این پدیده از جمله مسائل مهم در چند دهه‌ی گذشته بوده است. دینامیک غیر‌خطی و حجم بالای داده‌های آلودگی هوا، مشکلات پیش‌بینی این پدیده‌ی پیچیده را، بویژه در پردازش‌های پویا، دوچندان کرده است. هدف این پژوهش، ارائه‌ی الگوریتمی برخط است که بتواند با حل مشکلات روش‌های پیشین در پیش‌بینی برخط آلودگی هوا، سری زمانی آلودگی هوای شهر تهران را به صورت پویا پیش‌بینی کند. الگوریتم برخط ارائه شده بر مبنای ماشین بردار پشتیبان طراحی شده است. در الگوریتم ارائه شده، پیش‌بینی مبتنی بر داده‌های جریانی جمع‌آوری شده توسط سنجنده‌های آلودگی هوا، سنجنده‌های هواشناسی و همچنین داده‌های مکانی همچون ترافیک، ارتفاع متوسط منطقه و ویژگی‌های سطح زمین انجام می‌شود. نتایج حاصل شده بیانگر دقت مناسب الگوریتم برخط، جهت پیش‌بینی پویای آلودگی هوای شهر تهران می‌باشد. استفاده از داده‌های یک سال جهت انجام تست، دقت 0.71 و خطای جذر میانگین مربعات 0.54 و ضریب تعیین 0.81 را حاصل کرده است. افزون بر دقت مناسب، سرعت بالای پردازش‌ها در الگوریتم برخط، کارایی این الگوریتم را برای طراحی سیستمی آنلاین جهت پیش‌بینی آلودگی هوای شهر تهران برای چند ساعت آینده به اثبات می‌رساند. M3 10.29252/jgit.3.4.43 ER -