پیش بینی میزان شاخصهای آلاینده های موثردرافزایش بیماری قلبی درتهران با استفاده ازمدلهای RBF,SVM

قرارگرفتن درمعرض الودگی هوا یک عامل خطرساز تعیین شده برای بیماریهای قلبی - عروقی است به منظور کاهش بارمسئولیت درمراقیت های بهداشتی به علت بیماری ناشی ازالاینده های جوی ایجادیک سیستم هشداردهنده زودهنگام امری ضروری است موفقیت زودهنگام سیستم هشداردهنده پیش بینی و هشدارمحلی را برای ساکنان فراهم می کند که وابسته به قابلیت اطمینان و دردسترس بودن اطلاعات هواشناسی و داده های الودگی دارد براساس تعاریف جهانی بهداشت دودرصد ازکل مرگ و میرهای ناشی ازعوارض قلبی درشهرهای الوده به طور مستقیم و غیرمستقیم مربوط به الاینده های هوا است دراین پژوهش اثرات حادقلبی - عروقی دوالاینده مهم یعنی منوکسیدکربن CO و ذرات معلق کمتر از2.5 میکرون PM2.5 برسلامت ساکنین شهر تهران مورد مطالعه قرارگرفته اند دراین راستا مدلهای شبکه عصبی SVM,RBF جهت پیش بینی میزان شاخص الاینده های فوق دردوایستگاه مهراباد و اقدسیه بصورت روزانه دردوسال اخیر به عنوان ورودی مورداستفاده قرارگرفته و نتایج بدست امده ازاین تحقیق نشان میدهد که قابلیت بسیارخوبی درپیش بینی میزان الاینده های هوا دارند و ملاحظه گردید که نتایج حاصل ازشبکه عصبی SVM درمقایسه با شبکه RBF ازدقت قابل قبول تری برخوردار است

Keywords:

بیماری قلبی - عروقی , پیش بینی , ذرات معلق , منوکسیدکربن , مدل RBF , مدل Svm