پیش بینی آلودگی های شهر تهران با استفاده از مدل های فرابتکاری و شبکه عصبی بر مبنای ذرات معلق PM۱۰

با توجه به افزایش مشکلات ناشی از آلودگی هوا به واسطه رشد و توسعه جوامع شهری، کنترل کاهش آلاینده ها امری ضروری است. هدف از این تحقیق پیش بینی غلظت معلق کمتر از ۱۰ میکرون PM۱۰ به جهت برنامه ریزی و کاهش اثرات آن و تلاش برای جلوگیری از رسیدن به حالت بحران است. برای این منظور از اطلاعات آلاینده های هوا و پارامترهای هواشناسی ثبت شده در ایستگاه اقدسیه به عنوان پارامترهای ورودی استفاده شد. در گام بعد با توجه به کارایی بسیار بالای شبکه عصبی مصنوعی در مدل سازی سیستم غیر خطی، از شبکه عصبی مصنوعی، الگوریتم ازدحام ذرات و الگوریتم ژنتیک با تابع انتقال سیگموید استفاده شده است که در نهایت عملکرد این سه روش با یکدیگر مقایسه شد و نشان داد که الگوریتم ترکیبی ازدحام ذرات دارای بالاترین دقت و سرعت می باشد. بعلاوه نتایج مدل برای دوره های زمانی کوتاه تر بهتر است و این امر به نوسان های زیاد داده ها در دوره های طولانی که بر عملکرد شبکه تاثیر سوء می گذارد، بر می گردد و نیز اثر داده هایی که ثبت نشده اند بر جواب های شبکه منفی می باشد.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، الگوریتم انبوه ذرات ، الگوریتم ژنتیک ، روش های ترکیبی ، الودگی هوا ، ذرات معلق کم تر از ده میکرون ، تهران