Page 85 - NGTU_paper_withoutVideo
P. 85
کیتاموئژ نیون یاهدربراک و اه یروآ نف یلم سنارفنک
ی واک هداد ی اه ک ی نکت زا هدافتسا اب نورک م ی 10 زا رتکچوک قلعم تارذ ب ی ن ی ش پ ی
) ناتس ی س ی هقطنم :هعلاطم دروم(
3 وجرهم یرهم ، 2 یتسرفون اریمس ، 1 * ودیعسابداژن نامیلس
، ناريا ، نادهاز ، ناتسچولب و ناتسیس هاگشناد ، رتویپماک و قرب یسدنهم هدکشناد ،یرتکد یوجشناد 1
soleyman.nezhadbasaidu@pgs.usb.ac.ir
، ناريا ،نادهاز ،ناتسچولب و ناتسیس هاگشناد ،رتویپماک و قرب یسدنهم هدکشناد ، رايداتسا 2
snoferesti@ece.usb.ac.ir
، ناريا ،نادهاز ،ناتسچولب و ناتسیس هاگشناد ،رتویپماک و قرب یسدنهم هدکشناد ، رای شناد 3
mehrjoo@ece.usb.ac.ir
. دوش ی م هتخادرپ ی سانشاوه ی اه هداد زا هدافتسا اب ناتس ی س ی هقطنم رد ( PM 10 ) نور م ی ک 10 زا رتکچوک قلعم تارذ ناز ب ی ن ی م ی ش ی پ هب ،هلاقم ي ن ا رد : هدی ک چ
ی ز ب و ناب ی تشپ راد ی ن رب شام ی ،م مصت تخرد ي مت روگلا هس زا هدافتسا اب و هدش یي اسانش لماوع ساسا رب سپس و تسا هدش یي اسانش راذگر ی ثات لماوع ادتبا رد
ماجنا ی اه ی ي با زرا ي ج اتن .تسا هدش هدافتسا WEKA ی واک هداد رازفا مرن زا ی ، زاس ی بش ی ه ارب .تسا هدش هتخادرپ اوه رد PM 10 ناز ب ی ن ی م ی ش ی پ هب هداس
ی اهوگلا جارختسا ناکما و رگ ي مت د ي رو گلا ود اب هس ي اقم رد )دصرد 76 / 04 ( رتلااب تقد هب ند ی سر ی ل لد هب ی م مصت تخرد ي مت روگلا هک دهد ی م ناشن هتفرگ
.تسا رتدمآراک PM 10 قلعم تارذ ب ی ن ی ش ی پ رد ،اوه ی گدولآ رگنا ب ی
ي م مصت تخرد ي ، واک هداد ، PM 10 قلعم تارذ ،اوه ی گدولآ ب ي ن ی ش : پ ي يديل ک ياه هژاو
Prediction of suspended Particulate matters smaller than 10
μm in diameter using data mining techniques (Case study:
Sistan region)
S Nezhadbasaidu 1 * , S Noferesti 2 , M Mehrjoo 3
1 Department of Electrical and Computer Engineering, University of Sistan and Baluchestan, Zahedan, Iran, soleyman.nezhadbasaidu@pgs.usb.ac.ir
2 Department of Electrical and Computer Engineering, University of Sistan and Baluchestan, Zahedan, Iran, snoferesti@ece.usb.ac.ir
3 Department of Electrical and Computer Engineering, University of Sistan and Baluchestan, Zahedan, Iran,, mehrjoo@ece.usb.ac.ir
Abstract: In the present study attempts are made to predict the quantity of suspended Particulate matter
smaller than 10 μm in diameter (PM10) in Sistine region using meteorological data. First, the effective
factors are identified and then three algorithms namely decision tree, support vector machine and Naive
Bayes are used to predict the quantity of PM10 in the air. WEKA data mining software was used for
simulation purposes. The results showed that the decision tree algorithm is, thanks to its higher accuracy
(76.04%) compared to the other two algorithms and its ability to extract air pollution indicating patterns,
