Development of an artificial neural network to predict benzene concentrations in a street canyon
Φόρτωση...
Ημερομηνία
Συγγραφείς
Karakitsios, S. P.
Hadjidakis, I.
Kassomenos, P. A.
Pilidis, G. A.
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Fresenius Environmental Bulletin
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Nowadays, the prediction of atmospheric pollutant concentrations in street canyons' environment is of great importance. To achieve this, many kinds of modeling techniques were proposed. One of the most promising techniques is Artificial Neural Networks (ANNs). In this study, an ANN was developed to predict benzene concentrations in a heavily trafficted street canyon. It also evaluates the importance of the variables determining these concentrations. The training procedure was developed based on data collected by an annual measurement's campaign, performed in a specific street canyon. The data include benzene concentration, traffic flow and speed, vehicle's type distribution, wind speed and direction. The results from the simulations indicate that ANN is a promising technique for predicting benzene in an urban environment, and can be used for environmental management purposes.
Περιγραφή
Λέξεις-κλειδιά
benzene, artificial neural networks, traffic flow patterns, air-quality, time-series, models, area
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
<Go to ISI>://000237763100014
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών και Τεχνολογιών. Τμήμα Βιολογικών Εφαρμογών και Τεχνολογιών