عملکرد شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در برآورد غلظت ازن در شهر تهران

در سال های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ایستگاه های پونک، گلبرگ، فتح و شهرداری16 جهت برآورد غلظت ازن شهر تهران در سال های 1389-1390 استفاده شد. با استفاده از رگرسیون گام به گام متغیرهای هواشناسی مقدار دما، میزان بارش و سرعت باد انتخاب و با استفاده از مدل های شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی به پیش بینی غلظت ازن پرداخته شد.  نتایج نشان داد که شبکه عصبی مصنوعی در ایستگاه شهرداری16 با مقدار ریشه میانگین مربعات خطا ( rmse)، 042/0 و ضریب همبستگی (r2) 23/0 ، نسبت به شبکه عصبی فازی- تطبیقی با مقدار ریشه میانگین مربعات خطا، 057/0 و ضریب همبستگی 16/0 در مرحله آزمون توانسته با دقت بالایی غلظت ازن را برآورد  بزند. همچنین در تمامی ایستگاه ها متغیر مقدار دما به عنوان تاثیرگذارترین متغیر ورودی بر غلظت ازن شناخته شد.  نتایج بررسی نشان می دهند که مدل شبکه عصبی مصنوعی دارای دقت بالاتری در برآورد غلظت ازن نسبت به شبکه عصبی فازی- تطبیقی می باشد. بر طبق آزمون آنالیز حساسیت مقدار  متغیر دما  به عنوان تاثیرگذارترین متغیر در همه ایستگاه ها  می باشد.