سحر باقرپور - دانشجوی کارشاسی ارشد آلودگی محیط زیست دانشگاه خوراسگان اصفهان
مریم نیلفروش - دانشجوی کارشناسی ارشد دانشگاه محیط زیست کرج
مهسا آقابزرگی - دانشجوی کارشناسی ارشد دانشگاه محیط زیست کرج
اکرم کریمی - دانشجوی کارشناسی ارشد دانشگاه محیط زیست کرج

امروزه یکی از بزرگترین مشکلات آلودگی هوا در کلان شهرهایی نظیر اصفهان ذرات معلق ناشی از تردد خودروها ترافیک سنگین جاده ای و همچنین فعالیت های صنعتی مختلف می باشد با استفاده از سیستم های هوش مصنوعی به منظور پیش بینی نحوه انتشار الاینده ها می توان اطلاعات مفیدی را برای اجرای آتی استراتژی های کنترل آلودگی هوا و کاهش هزینه های آن فراهم نمود از آنجا که مطالعات در این زمینه در شهر اصفهان به عنوان یکی از شهرهای بزرگ و صنعتی ایران محدود است این پژوهش با هدف مدلسازی تغییرات غلظت PM2.5 در شهر اصفهان و تاثیر گذاری عوامل آب و هوایی بر آن صورت گرفت در این پژوهش قابلیت تکنیک شبکه عصبی مصنوعی به روش MLP پرسپترون چند لایه برای مدلسازی برآورد غلظت PM2.5 با رگرسیون چند متغیره خطی و همچنین روش نروفازی مقایسه شده است در این تحقیق از داده های هواشناسی شامل پارامترهای جهت باد سرعت باد رطوبت و دما به عنوان ورودی و غلظت PM2.5 به عنوان خروجی مدل استفاده گردیده است برای بررسی کارایی سه مدل از نتایج ضریب همبستگی استفاده شده است و نتیجه ی حاصل از مقایسه ی داده ی واقعی با خروجی شبیه سازی شد و مقدار ضریب همبستگی مدل شبکه عصبی رگرسیون چند متغیره خطی و مدل نروفازی برای پیش بینی غلظت PM2.5 به ترتیب برابر 0/824 0/163و 0/2 برآورد گردید نتایج نشان داد که مدل شبکه عصبی برای شبیه سازی دارای کارایی بالاتری نسبت به دو روش دیگر می باشد بنابراین می توان از شبکه عصبی مصنوعی برای پیش بینی غلظت PM2.5 با دقت بالا استفاده نمود

آلودگی هوا،مدلسازی،شبکه عصبی،رگرسیون خطی،نروفازی،PM2.5