پیش بینی میزان آلاینده ی PM۱۰ بااستفاده از شبکه عصبی مصنوعی و بهینه سازی با الگوریتم ژنتیک (مطالعه ی موردی: شهر ارومیه)

با توجه به اهمیت موضوع محیط زیست به خصوص هوا، در زندگی و سلامت انسان و به منظور برنامه ریزی برای کاهش آلودگی هوا و سیاست های کنترلی از جانب مدیران و ارگان های تصمیم گیرنده، نیاز به ابزارهایی برای پیش بینی آلاینده ها بیشتر احساس می شود. در بین در بین آلایندههای مختلف که بر کیفیت هوا تاثیرگذار میباشند، ذرات با قطر ۱۰ میکرون ((PM(۱۰) از عوامل اصلی که تاثیر سوء بر سلامتی انسان و محیط زیست دارند، محسوب می شوند. در این تحقیق برای پیش بینی مقادیر این ذرات در هوای روزهای آینده شهر ارومیه، از شبکه ترکیبی عصبی مصنوعی به همراه الگوریتم تکاملی ژنتیک استفاده شد. متغییرهای مورد بررسی برای هدف مقاله، غلظت ذرات معلق با قطر آئرودینامیکی کمتر از ۱۰ میکرومتر، ذرات معلق با قطر آئرودینامیکی کمتر از ۲.۲ میکرومتر، دی اکسید نیتروژن، دی اکسید گوگرد، مونوکسیدکربن و متغییرهای هواشناسی سرعت باد، دما و رطوبت نسبی اعمال گردید و در نهایت خروجی شبکه ترکیبی با بهبود ۲۰ تا ۳۰ درصدی نسبت به شبکه عصبی مصنوعی، خطای MSE به مقدار ۰/۰۰۱۸۳ و ضریب همبستگی R به میزان ۸۷% بدست آمد.

Keywords:

آلودگی هوا , شبکه عصبی مصنوعی , الگوریتم ژنتیک , بهینه سازی , ذرات با قطر ۱۰ میکرون