پیش بینی آلودگی هوا با استفاده از مدل شبکه عصبی

آلاینده های هوا بر روی سلامت عمومی، اقتصاد، مسائل اجتماعی، سیاست، کشاورزی و محیط زیست تاثیر می گذارد. هدف از این مطالعه ارزیابی توانایی الگوریتم شبکه عصبی مصنوعی ANN در پیش بینی معیارهای ساعتی غلظت آلاینده های مختلف هوا برای اهواز در بازه زمانی آگوست 2002 تا آگوست 2010 بود. شهر اهواز به عنوان یکی از آلوده ترین شهرهای جهان شناخته می شود که عمدتا به دلیل طوفان گردوغبار است. الگوریتم به کار رفته شامل نه عامل در مرحله ورودی (پنج پارامتر هواشناسی، غلظت آلاینده 3 و 6 ساعته، زمان و تاریخ، 30 نورون در مرحله پنهان و سرانجام یک خروجی در آخرین سطح بود. 5٪ و 10 ٪ از دادههای موجود برای مراحل اعتبار سنجی و آزمایش استفاده شد. برای هر شش معیار آلاینده بررسی شده شامل 3O ، 2NO ، 10PM ، 2.5PM ، 2SO و CO در چهار سایت، ضریب همبستگی 2R و مقادیر خطای میانگین مربعات ریشه (RMSE) هنگام مقایسه مقادیر پیش بینی ها و اندازه گیری ها به ترتیب 0/87 و 59/9 بود. این مطالعه نشان می دهد که ANN در شهرهایی مانند اهواز برای پیش بینی کیفیت هوا با هدف جلوگیری از اثرات سلامتی کاربرد دارد. نتیجه می گیریم که مسئولان کیفیت هوای شهری، مقامات و تصمیم گیرندگان می توانند از ANN برای برآورد مشخصات مکانی و مکانی آلاینده ها و کیفیت هوا استفاده کنند. مدل های آماری به مدیران امکان می دهد تا یک ابزار مناسب برای تصمیم گیری بهتر در زمینه کیفیت هوای شهری را انتخاب کنند

کلیدواژه ها:

آلاینده های معیار هوا ، شاخص کیفی هوا ، شاخص کیفیت سلامت هوا ، شبکه عصبی مصنوعی ، اهواز