عملکرد مدل شبکه عصبی مصنوعی و شبکه عصبی فازی تطبیقی در تخمین غلظت ذرات معلق در هوای شهر تهران

 در سالهای اخیر رشد روز افزون جمعیت ، وسایل نقلیه و کارخانه‌ها باعث افزایش آلودگی هوا و ایجاد مشکلات زیادی برای محیط زیست بشر و سلامتی انسان شده است. یکی از مهمترین آلاینده‌ها، ذرات‌معلق می‌باشد که سبب بروز مشکلات تنفسی و قلبی در انسان می‌شود. هدف از این مطالعه مقایسه مدل‌های شبکه‌عصبی‌مصنوعی و شبکه‌عصبی‌فازی-تطبیقی در تخمین غلظت ذرات معلق در شهر تهران می‌باشد. در این تحقیق از داده‌های هواشناسی مقدار دما، میزان بارش و سرعت باد و داده‌های غلظت ذرات‌معلق در سال‌های 1389و1390 استفاده شد. موثر‌ترین متغیرهای هواشناسی با استفاده از رگرسیون گام‌به‌گام انتخاب شدند. سپس با استفاده از مدل‌های شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی به تخمین غلظت ذرات‌معلق پرداخته شد. نتایج نشان می‌دهند که شبکه‌عصبی‌مصنوعی در ایستگاه گلبرگ با مقدار ریشه میانگین مربعات خطا 044/0 و ضریب همبستگی 22/0 نسبت به شبکه عصبی فازی- تطبیقی با مقدار ریشه میانگین مربعات خطا، 046/0 و ضریب همبستگی 26/0 در مرحله آزمون توانسته با دقت بالاتری غلظت ذرات‌معلق را تخمین بزند. همچنین در ایستگاه گلبرگ دما، در ایستگاه پونک و فتح سرعت باد و در ایستگاه شهرداری منطقه 16 بارش اثر‌گذارترین متغیر‌ها بر غلظت ذرات معلق می‌باشند. نتایج نشان می‌دهند که مدل شبکه‌عصبی‌مصنوعی دارای دقت بالاتری در تخمین غلظت ذرات‌معلق نسبت به شبکه عصبی فازی- تطبیقی می‌باشد. بر طبق آزمون آنالیز حساسیت در ایستگاه گلبرگ متغیر مقدار دما، در ایستگاه پونک و فتح سرعت باد و در ایستگاه شهرداری 16 متغیر بارش اثر‌گذارترین متغیر‌ها بر غلظت ذرات معلق می‌باشند.