مقایسه کاربرد شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون مولفه های اصلی و رگرسیون خطی چندگانه جهت مدل سازی شاخص کیفیت هوای شهری

شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوه اثر آلودگی هوا بر سلامت و روش های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مولفه های اصلی است. جهت محاسبه شاخص کیفیت هوا از داده های هواشناسی و آلودگی هوای ثبت شده در ایستگاه تجریش و قلهک شهر تهران در دوره زمانی ۱۳۸۵ تا ۱۳۹۰ استفاده شد. به منظور ارزیابی عملکرد مدل های برآوردگر از شاخص های آماری خطا، همبستگی و صحت استفاده شد. نتایج تحقیق نشان داد که مدل شبکه عصبی در هر دو ایستگاه از عملکرد بهتری نسبت به سایر مدل ها برخوردار است، به نحوی که در ایستگاه قلهک ۰۰۶/۰RMSE=، ۰۰۴/۰MAE=، ۹۹/۰ IA=و در ایستگاه تجریش ۰۰۴/۰ RMSE=، ۰۰۲/۰ MAE=، ۱ IA=بود. مدل درخت تصمیم بعد از مدل شبکه عصبی عملکرد مطلوبی از خود نشان داد و مدل رگرسیون خطی چندگانه بعد از مدل شبکه عصبی و درخت تصمیم عملکرد بهتری نسبت به مدل رگرسیون مبتنی بر تحلیل مولفه های اصلی ارائه نمود. روش تحلیل مولفه های اصلی علی رغم آنکه توانست همبستگی بین داده های ورودی و تعداد پارامترهای ورودی به مدل را کاهش دهد باعث بهبود عملکرد مدل رگرسیون نشد.

Keywords:

شاخص کیفیت هوا , مدلسازی , شبکه عصبی مصنوعی , درخت تصمیم , رگرسیون مولفه های اصلی