人工神经网络来预测马塔兰市臭氧污染水平

Nurul Hikmah, syamsul bahri, Irwansyah Irwansyah
{"title":"人工神经网络来预测马塔兰市臭氧污染水平","authors":"Nurul Hikmah, syamsul bahri, Irwansyah Irwansyah","doi":"10.29303/emj.v5i2.129","DOIUrl":null,"url":null,"abstract":"Jaringan syaraf tiruan telah digunakan dalam berbagai bidang. Salah satunya untuk memperoleh suatu model prediksi. Pada penelitian ini model prediksi kadar polutan ozon troposfer di Kota Mataram diperoleh menggunakan jaringan syaraf tiruan backpropagation. Prediksi kadar polutan ozon troposfer diperlukan agar diketahui kualitas udara di hari-hari berikutnya sehingga dapat diambil suatu keputusan untuk mencegah dampak negatif dari polutan yang lebih besar. Variabel-variabel yang dijadikan masukan (prediktor) pada jaringan ini adalah temperatur udara , arah angin , kecepatan angin , kelembaban udara , intensitas sinar matahari , kadar NO2 , kadar SO2  dan kadar O3 satu hari sebelumnya  pada periode 6 Juli 2018 sampai dengan 31 Mei 2019. Data-data tersebut diperoleh dari Dinas Lingkungan Hidup dan Kehutanan Provinsi Nusa Tenggara Barat. Berdasarkan hasil penelitian ini, didapatkan model jaringan terbaik untuk memprediksi kadar polutan ozon di Kota Mataram adalah jaringan dengan arsitektur 8-20-1 dengan fungsi aktivasi logsig-purelin dan fungsi pembelajaran trainlm. Performa model pelatihan berdasarkan indikator RMSE, MAPE dan  berturut-turut sebesar , , dan . Sedangkan, performa model pengujian berdasarkan indikator RMSE, MAPE dan  berturut-turut sebesar , , dan . Dari delapan variabel prediktor kadar polutan ozon pada model, variabel yang memiliki pengaruh paling besar terhadap kadar polutan ozon berdasarkan metode Connection Weight Approach adalah variabel temperatur udara sedangkan berdasarkan metode Garson’s Algorithm adalah variabel kadar polutan ozon satu hari sebelumnya.","PeriodicalId":281429,"journal":{"name":"EIGEN MATHEMATICS JOURNAL","volume":"29 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Jaringan Syaraf Tiruan untuk Memprediksi Kadar Polutan Ozon di Kota Mataram\",\"authors\":\"Nurul Hikmah, syamsul bahri, Irwansyah Irwansyah\",\"doi\":\"10.29303/emj.v5i2.129\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Jaringan syaraf tiruan telah digunakan dalam berbagai bidang. Salah satunya untuk memperoleh suatu model prediksi. Pada penelitian ini model prediksi kadar polutan ozon troposfer di Kota Mataram diperoleh menggunakan jaringan syaraf tiruan backpropagation. Prediksi kadar polutan ozon troposfer diperlukan agar diketahui kualitas udara di hari-hari berikutnya sehingga dapat diambil suatu keputusan untuk mencegah dampak negatif dari polutan yang lebih besar. Variabel-variabel yang dijadikan masukan (prediktor) pada jaringan ini adalah temperatur udara , arah angin , kecepatan angin , kelembaban udara , intensitas sinar matahari , kadar NO2 , kadar SO2  dan kadar O3 satu hari sebelumnya  pada periode 6 Juli 2018 sampai dengan 31 Mei 2019. Data-data tersebut diperoleh dari Dinas Lingkungan Hidup dan Kehutanan Provinsi Nusa Tenggara Barat. Berdasarkan hasil penelitian ini, didapatkan model jaringan terbaik untuk memprediksi kadar polutan ozon di Kota Mataram adalah jaringan dengan arsitektur 8-20-1 dengan fungsi aktivasi logsig-purelin dan fungsi pembelajaran trainlm. Performa model pelatihan berdasarkan indikator RMSE, MAPE dan  berturut-turut sebesar , , dan . Sedangkan, performa model pengujian berdasarkan indikator RMSE, MAPE dan  berturut-turut sebesar , , dan . Dari delapan variabel prediktor kadar polutan ozon pada model, variabel yang memiliki pengaruh paling besar terhadap kadar polutan ozon berdasarkan metode Connection Weight Approach adalah variabel temperatur udara sedangkan berdasarkan metode Garson’s Algorithm adalah variabel kadar polutan ozon satu hari sebelumnya.\",\"PeriodicalId\":281429,\"journal\":{\"name\":\"EIGEN MATHEMATICS JOURNAL\",\"volume\":\"29 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-12-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"EIGEN MATHEMATICS JOURNAL\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.29303/emj.v5i2.129\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"EIGEN MATHEMATICS JOURNAL","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29303/emj.v5i2.129","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

人工神经网络已被用于许多领域。其中之一就是获得一个预测模型。在这项研究中,马塔兰市对流臭氧污染水平的预测模型是使用一种人造的反宣传神经网络获得的。需要对对流层臭氧污染水平进行预测,以了解未来几天的空气质量,以便作出决定,防止更多污染物的负面影响。这些网络的可预测器包括空气温度、风向、风速、湿度、强度、强度、2018年7月6日至2019年5月31日期间的NO2、SO2和O3水平。这些数据来自西努萨省环境和林业部门。根据这项研究,在Mataram市发现的预测臭氧污染水平的最佳网络是一个8-20-1建筑,具有语音普瑞林活化功能和培训学习功能。基于RMSE、MAPE和row指标的培训模型性能,为dan。而测试模型的性能取决于RMSE、MAPE和序列指标,为dan。在模型中的8个臭氧污染物水平可变变量中,根据对臭氧污染物浓度的影响最大的变量是空气温度变量,而基于Garson的算法是前一天臭氧污染物浓度的变量。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Jaringan Syaraf Tiruan untuk Memprediksi Kadar Polutan Ozon di Kota Mataram
Jaringan syaraf tiruan telah digunakan dalam berbagai bidang. Salah satunya untuk memperoleh suatu model prediksi. Pada penelitian ini model prediksi kadar polutan ozon troposfer di Kota Mataram diperoleh menggunakan jaringan syaraf tiruan backpropagation. Prediksi kadar polutan ozon troposfer diperlukan agar diketahui kualitas udara di hari-hari berikutnya sehingga dapat diambil suatu keputusan untuk mencegah dampak negatif dari polutan yang lebih besar. Variabel-variabel yang dijadikan masukan (prediktor) pada jaringan ini adalah temperatur udara , arah angin , kecepatan angin , kelembaban udara , intensitas sinar matahari , kadar NO2 , kadar SO2  dan kadar O3 satu hari sebelumnya  pada periode 6 Juli 2018 sampai dengan 31 Mei 2019. Data-data tersebut diperoleh dari Dinas Lingkungan Hidup dan Kehutanan Provinsi Nusa Tenggara Barat. Berdasarkan hasil penelitian ini, didapatkan model jaringan terbaik untuk memprediksi kadar polutan ozon di Kota Mataram adalah jaringan dengan arsitektur 8-20-1 dengan fungsi aktivasi logsig-purelin dan fungsi pembelajaran trainlm. Performa model pelatihan berdasarkan indikator RMSE, MAPE dan  berturut-turut sebesar , , dan . Sedangkan, performa model pengujian berdasarkan indikator RMSE, MAPE dan  berturut-turut sebesar , , dan . Dari delapan variabel prediktor kadar polutan ozon pada model, variabel yang memiliki pengaruh paling besar terhadap kadar polutan ozon berdasarkan metode Connection Weight Approach adalah variabel temperatur udara sedangkan berdasarkan metode Garson’s Algorithm adalah variabel kadar polutan ozon satu hari sebelumnya.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Modeling of the Spread of Malaria in the Bangka Belitung Islands Province Using the SEIR Method Analisis Dinamik Model Predator-prey dengan Perilaku Anti Predator serta Efek Allee pada Prey Modifikasi Algoritma Edmonds Karp untuk Menentukan Aliran Maksimum Pada Jaringan Distribusi Air PDAM (Studi Kasus Jaringan Telaga Sari PDAM Giri Menang Mataram) Modelling the Recovery of Malaria Patients in West Lombok District Using Cox Regression Model Regresi Cox Untuk Data Masa Studi (Studi Kasus: Data Masa Studi Mahasiswa Fakultas Teknik Universitas Bangka Belitung)
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1