پیش بینی آلودگی هوای شهر تهران به روش سری زمانی باکس – جنکینز

رشد سریع شهر نشینی و توسعه بی رویه شهرها معضلات عدیده زیست محیطی برای ساکنین به وجود آورده است. یکی از مهمترین مشکلات زندگی در شهرهای بزرگ در حال حاضر و شهر های کوچک در آینده ای نه چندان دور آلودگی هواست. آلودگی هوا تهدیدی دایمی و جدی برای شهرهای پر جمعیت است و به تاثیرات زیان بار بر سلامت و بهداشت جامعه منجر می شود و خسارت های اقتصادی قابل توجهی به بار می آورد. وجود حجم بالای انواع آلاینده ها در مکان های پرتردد و پرترافیک شهری همواره یکی از مشکلات اساسی زیست محیطی می باشد. پیش بینی اگرچه همواره با خطا همراه است ولی به مدیران و سیستم های هوشمند تصمیم گیر کمک می کنند که در زمان مناسب به رویدادها واکنش مناسب نشان دهند و همواره آمادگی داشته باشند. سری زمانی، مجموعه ی مشاهداتی است که بر حسب زمان و در فواصل مساوی از آن مرتب شده باشند. تحلیل عاملی تکنیکی است که کاهش تعداد زیادی از متغیرهای وابسته به هم را به صورت تعداد کوچکتری از ابعاد پنهان یا مکنون امکان پذیر می سازد. هدف عمده آن رعایت اصل اقتصاد و صرفه جویی از طریق کاربرد کوچکترین مفاهیم تبیین کننده به منظور تبیین بیشینه مقدار واریانس مشترک در ماتریس همبستگی است. در این تحقیق براساس تحلیل عاملی هفت پارامتر کیفی هوا (co،no2 ،no ، nox، o3، pm10 و so2) را در دو گروه تقسیم کرده و سپس به روش های سری زمانی باکس- جنکینز و به کمک نرم افزار آماری spss به پیش بینی و ساخت مدل مقدار آلاینده های مذکور در محله اقدسیه در منطقه 1 تهران پرداخته و در نهایت مدل arima(0,1,1) برای عامل اول که شامل پارامترهایco ، no2، no، nox، o3 و مدل arima(1,0,1) برای عامل دوم که شامل pm10، so2 می باشد، به دست آمد. برای عامل اول خطای معیار 0/168 و مقدار p-value=0.001 و برای عامل دوم خطای معیار 0/44 و مقدار p-value=0.004 و مقدار خطای ریشه میانگین مربعات 0/031 بدست آمد. برای صحت سنجی مدل، نتایج پیش بینی با داده های واقعی، 10 داده پایانی را در ساخت مدل دخالت نداده و این مقادیر را با توجه به مقادیر حاصل شده از مدل و در دو جدول مجزا برای دو عامل 1 و 2 مقایسه کرده که مقدار ضریب همبستگی پیرسون برای مقادیر سری زمانی تبدیل شده و مقادیر پیش بینی شده توسط مدل برای عامل اول برابر با 0/98 و 0/983 برای عامل دوم می باشد که حاکی از همبستگی مثبت قوی بین این مقادیر است. این پیش بینی جهت برنامه ریزی های بلند مدت و کوتاه مدت برای کاهش آلاینده های هوا و شناسایی روزهای ناسالم و خطرناک در منطقه ی موردنظر امکان کاربرد دارد و نیز امکان استفاده در مدیریت کنترل کیفی هوا در شهر تهران و در سطح کلان کشور وجود دارد.