CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

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)

عنوان مقاله: 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)
شناسه ملی مقاله: CANPM10_003
منتشر شده در دهمین همایش مدیریت آلودگی هوا و صدا در سال 1401
مشخصات نویسندگان مقاله:

فائزه برهانی - دانشجوی دکتری تخصصی، گروه مهندسی عمران-محیطزیست، دانشکده محیطزیست، دانشگاه تهران، ایران
امیرهوشنگ احسانی - دانشیار، گروه مهندسی طراحی محیطزیست، دانشکده محیطزیست، دانشگاه تهران، ایران
مجید شفیع پورمطلق - استادیار، گروه مهندسی عمران-محیطزیست، دانشکده محیطزیست، دانشگاه تهران، ایران
حلیاسادات حسینی شکرابی - دکتری تخصصی، دانشکده منابع طبیعی و محیطزیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران،سرپرست اداره کل محیطزیست و توسعه پایدار، معاونت خدمات شهری و محیطزیست شهرداری تهران، تهران، ایران
یوسف رشیدی - استادیار گروه فناوریهای محیطزیست، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی تهران

خلاصه مقاله:
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.

کلمات کلیدی:
ذرات ریز جوی با عمر کوتاه؛ آلودگی هوا؛ کیفیت هوا؛ مدل پیش بینی ساریما؛ کتابخانه های یادگیری ماشین در پایتون

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1638117/