داده کاوی چند مقیاسی زمانی-مکانی آلودگی هوای شهر تهران با کمک الگوریتم ترکیبی تحلیل مولفه های اصلی- تبدیل موجک و مدلسازی آن با استفاده از دو نوع شبکه های عصبی توابع با پایه شعاعی و ماشین بردار رگرسیونی

مدلسازی آلودگی بهمنظور محاسبه غلظت و توزیع زمانی_ مکانی آلاینده ها امری ضروری هست. مدلسازی جهت شناسایی منابع آلودگی و میزان تغییرات غلظت میتواند بسیار به ما کمک کند. پدیده آلودگی هوا به دلیل پیچیدگی و وابستگی به عوامل مختلف دارای دینامیک غیرخطی میباشد، بنابراین باید چگونگی انتشار و پراکندگی مواد آلاینده را در جو مشخص نمود، سپس اقدام به مدلسازی برای هر بخش کرد. شهر تهران بهعنوان پایتخت ایران به دلیل وابستگی به عوامل مختلف با مشکلات عدیدهای در زمینه آلودگی هوا مواجه می باشد که سالانه سبب صرف هزینه های هنگفت و گاها جبرانناپذیر میگردد؛ بنابراین تلاش در جهت ارزیابی و مدیریت آلودگی هوا در این شهر ضرورتی اجتناب ناپذیر محسوب میگردد. هدف از این تحقیق شناسایی منابع پنهان آلاینده هوا همچنین سنجش قابلیت پیش بینی آلاینده های منوکسید کربن، ذرات معلق کوچکتر از 2,5 میکرومتر، دی اکسید گوگرد، منوکسید نیتروژن، دی اکسید نیتروژن و اکسیدهای نیتروژن و تحلیل پارامترهای موثر بر پیش بینی هر آلاینده میباشد. در این تحقیق از روشهای تحلیل مولفه های اصلی و تبدیل موجک جهت پیشپردازش داده ها و از شبکه های عصبی SVR1 و RBF2 جهت پیش بینی غلظت هر آلاینده استفاده شد. نتایج پژوهش نمایانگر دقت بالاتر مدلسازی روش SVR نسبت به روش RBF میباشد؛ و در بین آلاینده های موردبررسی آلاینده PM 2.53 برعکس دیگر آلاینده ها متاثر از عوامل فرامحلی میباشد.

کلیدواژه ها:

آلودگی هوا ، شبکه های عصبی SVR و RBF ، کلانشهر تهران ، مدل سازی ، داده کاوی زمانی_مکانی