بهبود پیش بینی میزان آلایندگی NO۲ با استفاده از شبکه عصبی روش گروهی مدل سازی داده ها بهبود یافته با الگوریتم بهینه سازی ارشمیدس (مطالعه موردی ایستگاه هواشناسی و آلودگی مهرآباد تهران

یکی از چالشهای زیست محیطی اساسی در کلان شهرها مساله آلودگی هواست. این مساله در کلان شهری مانند تهران به علت حجم ترافیک بالا استفاده از خودروهای غیر استاندارد احتراق ناقص سوختهای مورد استفاده خودروها و بی توجهی که طی سالهای گذشته نسبت به آلودگی هوا صورت گرفته اهمیت بخصوصی پیدا کرده است. پیش بینی غلظت روزانه آلاینده های هوا اولین گام اساسی در برنامه ریزی کاهش اثرات آنها است. در این مقاله تمرکز بر پیش بینی آلایندگی No با استفاده از شبکه عصبی روش گروهی مدل سازی داده بهبود یافته با الگوریتم بهینه سازی ارشمیدس است. برای این منظور پس از جمع آوری داده ها در مرحله پیش پردازش پس از پاک سازی و نرمال سازی داده ها عمل انتخاب ویژگی با استفاده از الگوریتم تحلیل مولفه های اصلی انجام میشود سپس در مرحله پس پردازش شبکه عصبی روش گروهی مدل سازی داده با استفاده از الگوریتم بهینه سازی ارشمیدس بهبود داده میشود تا پیش بینی آلایندگی No به صورت بهینه انجام شود در جهت مقایسه روش پیشنهادی از شبکه عصبی پایه ای شعاعی استفاده شده است. نتایج حاکی از میانگین مربعات خطای ۰.۰۴۶۹ در روش پیشنهادی دارد.

Keywords:

پیش بینی آلایندگی , دی اکسید نیتروژن , شبکه عصبی , روش گروهی , مدل سازی داده , الگوریتم بهینه سازی ارشمیدس