بررسی و پیش بینی داده های ذرات ریز جوی با عمرکوتاه در دهه اخیر (۲۰۲۰-۲۰۱۱) با استفاده از کتابخانه ها در زبان برنامه نویسی پایتون (مطالعه موردی: ایستگاه اقدسیه تهران، ایران)

در این تحقیق اندازه گیری غلظت ذرات ریز جوی با عمر کوتاه از آنالایزرهای خودکار پیوسته (Teledyne API Model (T۶۴۰ PM mass)) در ایستگاه پایش اقدسیه شرکت کنترل کیفیت هوای تهران برای بازه ی زمانی بلند مدت ۱۰ ساله (۲۰۲۰-۲۰۱۱) انجام یافت. تجسم داده ها به کمک کتابخانه های Matplotlib و Seaborn در زبان برنامه نویسی پایتون انجام شد. برای پیش بینی وضعیت غلظت آتی PM۲.۵ از رویکرد SARIMA برای مدل سازی سری های زمانی استفاده شد. نتایج حاصل از این پژوهش نشان داد، میانگین ماهانه غلظت ذرات ریز جوی با عمرکوتاه طی مدت ۱۰ سال در ایستگاه اقدسیه روند نزولی داشته است. روند تغییرات میانگین ماهانه غلظت PM۲.۵ نشان داد، غلظت فصلی در فصل بهار کمترین و در زمستان بالاترین میزان بود. این مطالعه می تواند به درک بهتر آلودگی هوای ذرات ریز جوی با عمر کوتاه در مناطق شهرداری تهران متاثر از شرایط توپوگرافی و ترافیکی کمک کند.

Keywords:

ذرات ریز جوی با عمر کوتاه , آلودگی هوا , کیفیت هوا , مدل پیش بینی ساریما , کتابخانه های یادگیری ماشین در پایتون