حمیدرضا جدی - کارشناس ارشد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران.
رحیم علی عباسپور - استادیار، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران.
مینا خالصیان - دکترای GIS، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران.
سیدکاظم علوی پناه - استاد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران.

زمینه و هدف:. راهکارهای متعددی برای کنترل آلودگی هوا وجود دارد که یکی از آن ها پیش­بینی میزان آن است. هدف از این تحقیق ارایه یک مدل شبکه عصبی مصنوعی با ساختار چندلایه، برای آلاینده CO در شهر تهران برای پیش­بینی ۲۴ساعت آینده آن می­باشد. روش بررسی: از مشخصه­های سرعت باد، جهت باد، دما، رطوبت نسبی و فشار هوا به عنوان داده­های هواشناسی و از غلظت منوکسیدکربن به عنوان پارامتر آلودگی هوا به منظور پیش­بینی مقدار آلایندهCO  در روز آتی (۲۴ ساعت آینده) استفاده شد. جهت حذف نویز داده­ها، در مرحله پیش­پردازش داده­ها، از دو روش تبدیل موجک و تعیین حد آستانه به کمک توزیع نرمال استفاده گردید. یافته ها: نتایج حاصل از شاخص­های آماری ضریب همبستگی، شاخص توافق، دقت پیش­بینی و جذر میانگین مربعات خطا برای مدل۱ با داده­های تکراری به ترتیب ۹۰۱۲/۰، ۹۱۵/۰، ۸۴۸/۰ و ۱۰۱۲/۰ و برای مدل۲ با داده­های تکراری به ترتیب۹۵۷۲/۰، ۹۷۸/۰، ۹۶۳/۰ و ۰۳۸۵/۰ می­باشد. نتیجه گیری: نتایج حاصل نشان می­دهد توافق خوبی بین داده­های اصلی و داده­های پیش­بینی شده توسط مدل­ها وجود دارد و مدل­های ارایه شده در پیش­بینی آلودگی هوا از قابلیت بالایی برخوردارند.

پیش بینی آلودگی هوا, شبکه عصبی مصنوعی, آلاینده منواکسیدکربن