پیشبینی غلظت آلاینده های جوی در کلانشهر تهران بر اساس پارامترهای اقلیمی با استفاده از الگوریتم داده کاوی M۵P

به دنبال صنعتی شدن و رشد روزافزون جمعیت، تهران چهارمین شهر آلوده ایران به شمار میرود. پیشبینی آلاینده های جوی در راستای اتخاذ تدابیر مدیریتی کارآمد به منظور کنترل ابعاد زیست محیطی مسئله آلودگی هواخصوصا بحث سلامت انسان، حائز اهمیت است. در مطالعات پیشین وجود ارتباط بین پارامترهای اقلیمی و عناصر آلاینده جو گزارش شده است. به واسطه تحلیل این ارتباط میتوان الگوهای آینده آلاینده های جوی را پیشبینی نمود. در مطالعه حاضر رویکردهای داده کاوی نظر به قابلیتهای کاربردی آنها در خصوص استخراج اطلاعات ارزشمند از میان داده های بزرگ مدنظر قرار گرفت. پارامترهای اقلیمی دما، بارش، سرعت باد و رطوبت نسبی و عناصر آلاینده PM ۲.۵، PM ۱۰، CO، NO۲ و SO۲ در چارچوب مدل دادهکاوی M۵P، جهت پیشبینی غلظت آلاینده های مزبور استفاده شدند. برای نیل به هدف پژوهش، سری زمانی روزانه داده های ایستگاه های سینوپتیکی و آلوده سنجی شهر تهران در یک بازه زمانی ۱۰ ساله (از ۱۳۸۸ تا (۱۳۹۸ استفاده شد. پس از پیادهسازی مدل M۵P از طریق تشکیل درختهای تصمیم مبتنی بر قوانین " اگر – سپس " در مجموع ۱۴ مدل خطی جهت پیشبینی عناصر آلاینده در محدوده شهر تهران استخراج گردید. ارزیابی و قیاس نتایج پیشبینی های M۵P نسبت به مشاهدات واقعی آلاینده ها با استفاده از مدلهای خطی، حاکی از صحت و عملکرد مطلوب آن است. پیرو نتایج ارزیابی عملکرد؛ میزان خطای پیشبینی برای آلاینده های PM ۲.۵، PM ۱۰، CO، NO۲ و SO۲ بر اساس آماره RMSE به ترتیب ۲۴/۴۰، ۱۶، ۹/۵۷، ۱۰/۶۲ و ۵/۱۲ برآورد گردید. از طرفی بین همبستگی متغیرهای ورودی و میزان خطای پیشبینی مدل یک رابطه معکوس مشاهده گردید. بر همین اساس بالاترین و کمترین میزان صحت پیشبینی مربوط به SO۲ و PM ۲.۵ است. بطورکلی نتایج مطالعه حاضر بر پتانسیل بالای مدل M۵P در خصوص پیشبینی آلاینده های جوی شهر تهران با استفاده از پارامترهای اقلیمی تاکید دارد.

Keywords:

آلودگی هوا , داده کاوی , پارامترهای اقلیمی , پیشبینی , M۵P