بررسی عملکرد شبکه عصبی پرسپترون چند لایه ( MLP ) در پیشبینی ۱۰PM: مطالعه موردی شهر جهانی شوشتر ( ۲۰۱۴ تا ۲۰۲۳ )

آلودگی هوا یکی از مشکلات زیستمحیطی بزرگ در بسیاری از مناطق خصوصا شهرهای صنعتی است که تاثیرات منفی بر سلامت انسان، اکوسیستمها و کیفیت زندگی دارد. در این پژوهش، عملکرد مدل شبکه عصبی پرسپترون چندلایه (MLP) در پیش بینی غلظت ذرات معلق کمتر از ۰۱ میکرون (۱۰PM) در شهر شوشتر طی بازه زمانی ۴۱۰۲ تا ۳۲۰۲ بررسی شده است. داده های مورد استفاده شامل پارامترهای هواشناسی: دما، رطوبت نسبی، سرعت و جهت باد، دید افقی و بارش بوده که به عنوان متغیرهای ورودی مدل بوده و پارامتر ۱۰PM به عنوان متغیر هدف در نظر گرفته شده است. نتایج به دست آمده نشان می دهد که مدل MLP توانسته است روند کلی تغییرات غلظت ۱۰PM را به خوبی شبیه سازی کرده و ارتباط معناداری بین پارامترهای هواشناسی و غلظت ۱۰PM برقرار کند. به ویژه، این مدل موفق به شناسایی نوسانات کوتاه مدت و میان مدت در غلظت آلاینده ها شد. با این حال، دقت مدل در پیش بینی نوسانات ناگهانی یا مقادیر حداکثری غلظت ۱۰PM کاهش یافت. این امر نشان دهنده محدودیت های مدل در پیش بینی تغییرات شدید آلاینده ها است. نتایج این پژوهش بیانگر آن است که مدل MLP برای پیش بینی شرایط عادی و نوسانات کوچک تا متوسط مناسب است؛ این مطالعه می تواند به عنوان مبنایی برای پژوهش های آینده در زمینه پیش بینی آلودگی هوا و بهبود روش های پیش بینی در مناطق مشابه مورد استفاده قرار گیرد؛ و به اتخاذ راهکارهای مدیریتی موثر در کنترل آلودگی هوا کمک کند.

کلیدواژه ها:

شبکه عصبی مصنوعی ، شوشتر ، آلودگی هوا ، ذرات معلق ، ۱۰PM ، MLP