مقایسه کارایی انواع شبکه های عصبی در پیش بینی مکانی و زمانی آلودگی هوای شهر تهران

آلودگی هوا یکی از مشکلات مهم شهر های بزرگ محسوب می شود. یکی از اهداف مسئولین شهری آگاه سازی شهروندان از میزان کیفیت هوا در مناطق مختلف شهر و در زمان های متفاوت است. با توجه به مضرات ازن بر سلامت انسان و محیط زیست و افزایش آن در دهه های گذشته، ازن از آلاینده های بسیار مهم محسوب می شود؛ از طرفی به این علت که ازن، تحت تأثیر پارامترهای مختلف در هوا تولید می شود، در این تحقیق به تحلیل و پیش بینی غلظت ازن به صورت مکانی و زمانی پرداخته شده است. مدل سازی زمانی پارامترهای مهم و تاثیرگذار بر غلظت ازن با استفاده از داده های پایش کیفیت هوا در ایستگاه های آزادی و قلهک و به صورت 4 ساله (از 12 دی 1384 تا 11 دی 1388)، انجام شده است. ارتباط متغیرهای هواشناسی شامل رطوبت نسبی، دما، فشار، سرعت و جهت باد با غلظت ازن با استفاده از همبستگی خطی و غیرخطی و آنالیز اجزا اصلی بررسی شد. بررسی همبستگی بین متغیر های مختلف هواشناسی با غلظت ازن نشان داد که غلظت ازن در هر دو ایستگاه تحت تاثیر پارامترهای رطوبت نسبی و دما است. تاثیر پارامترهای رطوبت نسبی و دما را می توان با توجه به عملکرد فتوشیمیایی و نقش این فرآیند در تولید ازن توصیف کرد. همچنین ازن در هر دو ایستگاه با کسینوس جهت باد ارتباط منفی دارد، که خود نشان دهنده تاثیرپذیری غلظت ازن از این پارامتر است. برای بررسی خود همبستگی ازن از مدل آماری ar استفاده شد. با توجه به مدل ar مقدار ازن در هر روز در ایستگاه آزادی به مقدار 1 تا 7 روز قبل و در ایستگاه قلهک به مقدار 1 تا 5 روز قبل وابستگی دارد. در ادامه تحقیق از چند شبکه ی عصبی و یک رگرسیون چند متغیره جهت پیش بینی غلظت ازن استفاده شد. ورودی های این شبکه ها پارامترهای هواشناسی و غلظت های 1 تا 7 روز قبل ازن برای ایستگاه آزادی و غلظت های 1 تا 5 روز قبل ازن برای ایستگاه قلهک می باشد؛ درحالی که خروجی غلظت ازن است. شبکه های عصبی مختلف شامل شبکه عصبی تابع شعاع مبنا (rbf)، رگرسیون تعمیم یافته (grnn) و پرسپترون چندلایه (mlp) در این تحقیق برای پیش بینی استفاده شد. نتایج نشان داد شبکه عصبی mlp در هر دو ایستگاه کارایی بهتری نسبت به روش های دیگر در پیشبینی زمانی غلظت ازن دارد. شبکه عصبی mlp در ایستگاه قلهک با شاخص توافق 87 درصد، جذر میانگین مربعات خطا 18، میانگین مطلق خطا 16 و ضریب همبستگی 78 درصد و برای ایستگاه آزادی با شاخص توافق 91 درصد، جذر میانگین مربعات 5، میانگین مطلق خطا 4 و ضریب همبستگی 96 درصد مقادیر روزانه غلظت ازن را پیشبینی می کند. مدل سازی مکانی غلظت آلاینده ازن با استفاده از داده های اندازه گیری شده در ایستگاه های پایش کیفیت هوا شامل 41 ایستگاه و برای سال 1391 انجام شد. پارامترهای موقعیت، ارتفاع، تراکم جمعیت، غلظت دی اکسید نیتروژن و عوامل هواشناسی شامل سرعت باد، جهت باد، دما و رطوبت نسبی به عنوان پارامترهای مکانی موثر در نظر گرفته شدند. رگرسیون چند متغیره و سه نوع شبکه عصبی مصنوعی شامل mlp، rbf و grnn مورد استفاده قرار گرفتند. میانگین مجذور کمترین مربعات خطا، برای هرکدام از روش ها محاسبه شد و نتایج نشان داد که شبکه عصبی mlp با جذر میانگین مربعات خطای 3/28، کارایی بهتری نسبت به مدل های دیگر برای مدل سازی مکانی آلودگی هوا دارد. در نهایت به کمک شبکه عصبی mlp نقشه غلظت ازن تولید شد. نقشه تولید شده نشان می دهد که غلظت ازن در قسمت های شرقی شهر بیشتر از مناطق دیگر است.