پیش بینی غلظت SO2 هوای شهر تهران با استفاده از شبکه عصبی مصنوعی

تا کنون مدلهای زیادی برای تشریح فرآیند پیچیده آلودگی هوا پیشنهاد شده است. یکی از روشهای نوین در تشریح فرآیند آلودگی هوا شبکه های عصبی مصنوعی می باشد. این روش که یکی از شاخه های هوش مصنوعی به شمار می آید، به دلیل ساختار ریاضی غیر خطی و نیز پیش بینی قابل قبول در میان محققین رواج یافته است. این مطالعه به بررسی نتایج حاصل از شبکه های عصبی مصنوعی Multi Layer Perceptron(MLP) در پیش بینی غلظت S02 هوای منطقه 15 شهر تهران با استفاده از داده های درجه حرارت ساعتی , سرعت باد و درصد رطوبت پرداخته و پس از تعیین بهترین معماری در شبکه, مشاهده شد که نتایج حاصل از شبکه MLP از دقت بالایی برخوردار است . بدین ترتیب که در شبکه عصبی MLP ضریب همبستگی بین داده های پیش بینی و واقعی0.986 بدست آمد. در انتها نیز با استفاده از شبکه عصبی MLP بین داده های ورودی تحلیل حساسیت صورت گرفت که مشخص گردید, درجه حرارت ساعتی بیشترین تاثیر را در بین سه پارامتر مذکور در پیش بینی غلظت SO2 دارد.

Keywords:

شبکه عصبی , SO2 , شبکه عصبی MLP , پیش بینی کیفیت هوا