Usaha pemuliharaan alam sekitar sentiasa berhadapan dengan kerumitan kerana ia
melibatkan sejumlah besar pembolehubah. Tambahan pula, secara tradisinya laporan kualiti alam
sekitar cenderung untuk lebih teknikal, menyampaikan data pemantauan alam sekitar yang tidak
lengkap dan tidak mudah difahami. Oleh kerana data alam sekitar adalah berlebihan, kaedah
pemilihan nilai lepasan telah diperkenalkan; pendekatan penentuan pekali. Pendekatan ini boleh
dipilih sebagai alat untuk memilih ciri dan digabung dengan jaringan neural tiruan suapan
hadapan (FANN) dinamik untuk membangunkan kualiti ramalan alam sekitar. Untuk mencapai
objektif tersebut, kajian ini telah dibahagikan kepada dua fasa utama; pendekatan penentuan nilai
yang lepas untuk masuk dan pembangunan model FANN dinamik untuk pemantauan di luar litar
data kualiti alam sekitar. Terdapat dua kajian kes yang digunakan dalam kajian ini berdasarkan
kepada data kualiti air sungai dan udara. Keputusan menunjukkan bahawa rangkaian ramalan
yang digunakan untuk system ramalan kualiti alam sekitar telah dilaksanakan dengan baik.
Secara umumnya, system ramalan yang dibangunkan berdasarkan FANN dinamik dengan
kombinasi pendekatan penentuan pekali telah menunjukkan prestasi yang baik dan membantu
dalam memudahkan sistem ramalan alam sekitrar ini.
_______________________________________________________________________________________________________
The environmental conservation efforts always deal with the complexity problem as it
involves a large number of variables. Furthermore, traditional reports on the environmental
quality tend to be too technical, presenting monitoring data without providing a complete and
easy to understand facts of the environmental quality. Due to the redundancy of the
environmental data, the past value selection method were introduced; coefficient determination
approach. This approach could be applied as a feature selection tools and combined with
Dynamic Feedforward Artificial Neural Networks (FANN) to improve environmental quality
prediction. To achieve those objectives, this research was divided into two main phase; past
value determination approach for the input and Dynamic FANN model development for
environmental quality data offline monitoring. Two case studies were used in this research which
was based on river water and air quality data. The result show that the developed prediction
networks for the environmental quality prediction system has been executed well. The
development prediction system based on dynamic FANN with the combination of coefficient
determination approach generally has performed well and helped in simplifying the
environmental prediction system.
Dynamics feedforward artificial neural networks (fann) modelling for air and water quality / Mohamad Taufik Mohamed Fauzi