نعمت فیروزمندی بندی - دانشجوی کارشناسی ارشد گروه مهندسی عمران دانشگاه قم
طاهر رجایی - عضو هیات علمی گروه مهندسی عمران دانشگاه قم

مشکلات ناشی از آلودگی هوا که با رشد و توسعه جوامع شهری رو به افزایش است نیاز به کنترل و کاهش این آلاینده ها ضروری کرده است و اولین گام برای کاهش و کنترل آلودگی هوا پیش بینی میزان آلاینده های موجود در هواست. هدف از این تحقیق مقایسه دو روش رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی برای پیش بینی میانگین غلظت روزانه کربن مونوکسید در شهر تهران بر اساس پارامترهای هواشناسی و ارائه مدلی بهینه و دقیقتر می باشد نتایج حصال از اجرای دو مدل نشان داد که مدل شبکه عصبی توانایی بشتری نسبت بهر وش رگرسیون خطی در پیش بینی میانگین غلظت کربن مونوکسید دارد در این مطالعه برای ارزیابی مدل ها از پارامترههایی چون ضرب تبیین (E) جذر میانگین مربعات خطا (RMSE) و میانگین خطای مطلق استفاده شده است.

آلودگی هوا، کربن مونوکسید، رگرسیون خطی چند متغیره، شبکه عصبی مصنوعی، شبکه عصبی NARX