مقایسه ی کاربرد روش های شبکه ی عصبی مصنوعی و ماشین بردار پشتیبان برای پیش بینی آلودگی هوای شهری: (مطالعه ی موردی شهر تهران)

آلودگی هوا یکی از مسائل مهم زیست محیطی در شهر تهران محسوب می شود. و برای بسیاری از ساکنین شهرهای بزرگ مانند تهرانیم موضوع نگران کننده می باشد. در سال های اخیر با افزایش چشمگیر وسائل نقلیه میزان آلودگی در شهر تهران افزایش قابل تجهی ااشته است. به همین جهت، بررسی وضعیت آلودگی هوای این شهر از بعد آلاینده های مختلف می تواند در برنامه ریزی های جامعی که در راستای کنترل و کاهش آلودگی هوا در این شهر انجام می پذیرد، بسیار مؤثر باشد. پیش بینی آلاینده های هوا این امکان را بوجود می آورد که با آگاهی از قبل در مورد وضعیت آلاینده های هوا اقدامات لازم جهت مقابله با آن را محیا کرد. در همین راستا روش های زیادی برای پیش بینی غلظت آلاینده ها وجود دارد که روش های هوش مصنوعی می باشد. در این پژوهش از دو مدل شبکه عصبی مصنوعی شامل پرسپترون چندلایه، توابع شعاع مبنا و مدل رگرسیون ماشین بردار پشتیبان برای پیش بینی غلظت در سه ساعت پیش رو استفاده شد. پیش بینی با استفاده چهار نوع متفاوت ورودی صورت گرفت. ابتدا پیش بینی بر اساس ارزش های گذشته هر غلظت در پنج ایستگاه در سطح شهر تهران انجام گرفت. سپس با استفاده از کل داده های موجود شامل پارامترهای هواشناسی و آلودگی هوا به عنوان ورودی مدل های پیش بینی کننده استفاده شد. پس از آن با استفاده از پرامترهای هواشناسی به دو صورت کل پارامترهای موجود و با کاستن دو پارامتر از کل پارامترهای موجود پیش بینی غلظت آلاینده ها انجام گرفت. از توابع خودهمبستگی جزئی و همبستگی عرضی برای تعیین گام¬های زمانی موثر در مقدار خروجی استفاده شد. مقادیر حداقل و حداکثر r2 به¬دست آمده در مجموع پنج ایستگاه بدون ورودی¬های خارجی برای غلظت¬های so2، no، no2، co و o3 به ترتیب، 0.5، 0.3، و 0.73، 0.48 و 0.53، 0.23 و 0.71، 0.35 و 0.86، 0.54، به دست آمد. این مقادیر زمانی که ورودی¬ کل پارامترهای موجود استفاده شد برای so2، no، no2، co و o3 به ترتیب ، 0.55، 0.28 و 0.68، 0.54 و 0.58، 0.28 و 0.76، 0.38 و 0.86، 0.53، به دست آمد. برای کل پارامترهای هواشناسی به¬عنوان ورودی برای غلظت¬های so2، no، no2، co و o3 به ترتیب 0.32، 0.11 و 0.44، 0.16، 0.5، 0.14 و 0.56، 0.14 و 0.58 0.13 به دست آمد. همچنین زمانی¬که تعداد پارامترهای هواشناسی به اندازه دو پارامتر کاسته شد مقادیر حداقل و حداکثر r2 بدست آمده با استفاده از سه مدل پیش¬بینی کننده برای غلظت¬های so2، no، no2، co و o3 به ترتیب 0.31، 0.01، 0.52، 0.05، 0.34 و 0.07 و 0.59 و 0.07 و 0.64 و 0.13 به می¬باشد. با توجه به نتایج به دست آمده هر سه مدل در پیش بینی غلظت آلاینده ها از عملکردهای تقریباً یکسانی برخوردار بودند. با انجام آنالیز واریانس با ضریب اطمینان 95% مشخص شد که اختلاف معنی داری در صحت پیش بینی مدل ها با هر چهار نوع ورودی وجود نداشت. همچنین با کاهش تعداد پارامترهای هواشناسی به عنوان ورودی مدل ، صحت پیش بینی مدل رگرسیون ماشین بردار پشتیبان نسبت به مدل های شبکه عصبی افزایش نیافته است.