Page 92 - NGTU_paper_withoutVideo
P. 92

کیتاموئژ نیون یاهدربراک و اه یروآ نف یلم سنارفنک

                                                                                                    ي  گ ي ر  هج  6 .   تن ي


              روظنم  ی   ا ي ن    ارب .دش هدافتسا  ی    سانشاوه  ی    اه هداد کمک هب   ناتس  ی   س ی  هقطنم رد اوه  ی    گدولآ   ت ی عضو  ب ی ن ی    ش  ی   پ ی  ی م   ارب  مصت تخرد زا شهوژپ  ي ن    ا رد
              نآ زا   ناوت ی م هک دش هتخاس  ی م    مصت تخرد  کي  ،هدش   شزادرپ شی    پ  یاه ه داد  ی    ور رب شزومآ اب سپس .دش   شزادرپ ش  ی   پ ی  سانشاوه  ی    اه هداد ادتبا رد
              و هداس    ب ی ز    یاه م تيروگلا اب هسياقم رد  ی م    مصت تخرد هک داد ناشن هدش ماجنا یاه شيامزآ جياتن .درک هدافتسا اوه  ی    گدولآ   ت ی عضو  یب ن ی    شی  ی   پ  ارب

               ت ی عضو ،دراوم دصرد   76 / 04  رد تسا رداق هدش هتخاس  ی م    مصت تخرد ،لصاح  ي ج    اتن قبط رب .تسا رادروخرب یرتلااب یياراک زا   ناب ی تشپ رادرب  ی ن    شام
                ا . ي ن    ي د  درگ جارختسا اوه  ی    گدولآ   رگنا  ی   ب ی  اهوگلا ،هدش هتخاس تخرد زا   ت ي اهن رد . دشاب    م ی  شخب تي اضر هک دنک  یب ن ی    شی  ی   پ  تسرد هب ار اوه  ی    گدولآ
               ی ح    حص نتخاس هاگآ   ،اوه یگدولآ شياپ   تهج رد رتمک نامز و  ي هن    زه فرص اب ات  ي دن    امن هطوبرم  ی ن    لوئسم و   نار ي دم هب  ی    ي نا  اش کمک   دنناوت ی م اهوگلا
                         .    دنرادرب ماگ   اوه بولطمان تیفیک  ی    اه تلاح رد هناریگشیپ تامادقا و   ناش ی گدنز لحم  ی    سفنت  ی    اوه تیفیک   تیعضو زا نادنورهش

                                                                                                 ی نادردق و رکشت

                       .    ددرگ  ی   م ی  نادردق و رکشت  ی زا    ن دروم  ی    اه هداد نتشاذگ  ی را    تخا رد  ی ل    لد هب ناتسچولب و ناتسیس ناتسا  ی    سانشاوه  ی    هرادا زا هلیسو نيدب

                                                                                                          عجارم
               [1]  Kosha, A., & Rajabi, A. (2000). The relationship between particulate air (with a diameter of 10 microns) and emergency hospital
                  admissions in the case of Imam Reza, Sina and Madani in Tabriz hospitals. In Fourteenth National Conference of Environmental
                  Health, 1-8.
               [2]  Goudarzi, G., Angali K., Salimi J., Ghaffarizadeh F., Kadkhodai F., Ebrahimzadeh G., Scandari A., & Askari F. (2015), A survey
                  on health quality of air based on AQI index and calculating mortality rate caused by dust in Zabol city, Journal of Sabzevar
                  University of Medical Sciences, 22(5), 832-841.
               [3]  Iran, m. f., Arab, k. m., & akram, m. (2005). investigation of dust origins and characteristics of their spreading in sistan's storms,
                  Iran region, using image processing. Pajouhesh-Va-Sazandegi, 18(2), 25-33.
               [4]  Sharifikiya, M. Changes to monitor the water level in the lake plain based on time series analysis of remotely sensed images.
                  Human Sciences MODARES, 1389(3), 68.
               [5]  Zhou, Q., Jiang, H., Wang, J., & Zhou, J. (2014). A hybrid model for PM2. 5 forecasting based on ensemble empirical mode
                  decomposition and a general regression neural network. Science of the Total Environment, 496, 264-274.
               [6]  Donnelly, A., Misstear, B., & Broderick, B. (2015). Real time air quality forecasting using integrated parametric and non-
                  parametric regression techniques. Atmospheric Environment, 103, 53-65.
               [7]  Auder, B., Bobbia, M., Poggi, J. M., & Portier, B. (2016). Sequential aggregation of heterogeneous experts for PM10 forecasting.
                  Atmospheric Pollution Research, 7(6), 1101-1109.
               [8]  Lin, K., Jing, L., Wang, M., & Qiu, M. (2017). A novel long-term air quality forecasting algorithm based on kNN and NARX. In
                  2017 12th International Conference on Computer Science and Education (ICCSE), IEEE, 343-348.
               [9]  Li, Y., & Tao, Y. (2017). PM10 Concentration Forecast Based on Wavelet Support Vector Machine. In 2017 International
                  Conference on Sensing, Diagnostics, Prognostics, and Control (SDPC), IEEE, 383-386.
              [10]  Yi, X., Zhang, J., Wang, Z., Li, T., & Zheng, Y. (2018). Deep distributed fusion network for air quality prediction. In Proceedings
                  of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, 965-973.
              [11]  Stafoggia, M., Bellander, T., Bucci, S., Davoli, M., De Hoogh, K., De'Donato, F., ... & Scortichini, M. (2019). Estimation of
                  daily PM10 and PM2. 5 concentrations in Italy, 2013–2015, using a spatiotemporal land-use random-forest model. Environment
                  international, 124, 170-179.
              [12]  Chang, Y. S., Chiao, H. T., Abimannan, S., Huang, Y. P., Tsai, Y. T., & Lin, K. M. (2020). An LSTM-based aggregated model
                  for air pollution forecasting. Atmospheric Pollution Research, 11(8), 1451-1463.
              [13]  Krishnaveni, N., & Padma, A. (2020). Weather forecast prediction and analysis using sprint algorithm. Journal of Ambient
                  Intelligence and Humanized Computing, 1-9.
              [14]  Saad, S. M., Shakaff, A. Y. M., Saad, A. R. M., Yusof, A. M., Andrew, A. M., Zakaria, A., & Adom, A. H. (2017). Development
                  of indoor environmental index: Air quality index and thermal comfort index. In AIP Conference Proceedings, Vol. 1808, No. 1,
                  020-043.
              [15]  Gonzalez-Vidal,  A.,  Jimenez,  F.,  &  Gomez-Skarmeta,  A.  F.  (2019).  A  methodology  for  energy  multivariate  time  series
                  forecasting in smart buildings based on feature selection. Energy and Buildings, 196, 71-82.
              [16]  Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA data mining software: an
                  update. ACM SIGKDD explorations newsletter, 11(1), 10-18.
   87   88   89   90   91   92   93   94   95   96   97