مقایسه کارائی شبکه های عصبی و رگرسیون خطی در پیش بینی غلظت آلاینده های هوا

مشکلات ناشی از آلودگی هوا که با رشد و توسعه جوامع شهری رو به افزایش است نیاز به کنترل و کاهش این آلاینده ها را ضروری کرده است . یکی از روشهای کاهش اثرات منفی آلاینده های هوا و جلوگیری از رسیدن به حالت بحران پیش بینی مقدار غلظت آلاینده و ساما ن دهی برنامه ریزی های شهری بر پایه این پیش بینی است . بدین منظور از روشهای مختلفی برای پیش بینی مقدار غلظت آلاینده های هوا استفاده شده است . در این مطالعه میزان کارائی شبکه های عصبی مصنوعی مختلف که برای پیش بینی آلاینده ها طراحی شده اند با یکدیگر و روشهای رگ رسیون خطی مقایسه می شوند تا بر پایه این مقایسه بتوان روش کارآمدی برای پیش بینی آلاینده های هوا انتخاب کرد . در این مطالعه آلاینده NO2 و روشهای مختلفی که برای پیش بینی آن استفاده شده بررسی و سپس شبکه عصبی با ساختار و پارامترهای ورودی متفاوت طراحی می شود و نتایج این شبکه با شبکه های استفاده شده در سایر مطالعات مقایسه می گردد که بر پایه این مقایسه شبکه عصبی طراحی شده دارای کارائی بهتری در پیش بینی مقدار غلظت آلاینده NO2 می باشد .

کلیدواژه ها:

پیش بینی روزانه آلاینده ، رگرسیون خطی ، NO2 ، شبکه عصبی مصنوعی ، آلودگی هوا