مدل سازی مکانی زمانی ذرات معلق شهر تهران با استفاده از سیستم استنتاج عصبی فازی بهینه سازی شده توسط الگوریتم PSO

با توجه به بحث مهم آلودگی هوا که امروزه معضل اصلی بسیاری از کلانشهرها و همچنین شهرهای صنعتی در سراسر دنیا است مطالعه و تحقیق در این زمینه به نحوی که حاصل کار بتواند به مدیران و تصمیم گیران در این زمینه در جهت کاهش و مدیریت آلودگی هوا کمک نماید بسیار ضروری و مهم میباشد. لذا تحقیق حاضر تالش نموده در بستر علوم مکانی به مسئله آلودگی هوا پرداخته و مدلسازی مسئله را انجام داده تا بتواند راهکارهایی جهت کمک به مسئله آلودگی هوا ارائه نماید. ازآنجاکه پارامترهای مختلفی بر روی تراکم غلظت ذرات معلق هوا اثر میگذارند، پس نیاز به یک مدل کارآمد احساس میشد تا بتواند روابط بین پارامترها را استخراج نماید که در این پژوهش این فرآیند به کمک مدل پرقدرت سیستم استنتاج عصبی فازی صورت گرفت. از طرفی به منظور بهینه کردن پارامترهای مدل و کاهش خطای آموزش مدل از الگوریتم بهینه سازی ازدحام ذرات )PSO( استفاده گردید که اعمال این الگوریتم تاثیر بسزایی بر روی نتایج مدل گذاشته و باعث بهبود نتایج گردید. در پایان خروجی مدلسازی ها به خوبی نشان دهنده ی الگوی مکانی تغییرات غلظت ذرات در محدوده ی معابر و بزرگراه ها به عنوان منبع عمده تولید ذرات معلق بود و مناطقی که دارای تراکم بالایی از معابر و بزرگراه ها بودند میزان غلظت ذرات نیزبیشتر بود. شرایط آب و هوایی تاثیر به سزایی در الگوی مکانی تغییرات غلظت ذرات داشته و به نسبت فصلهای مختلف این تاثیرگذاری متفاوت بود. در فصول گرم سال تاثیر سرعت و جهت باد در این الگو کامال مشهود بوده و در فصول سرد سال به دلیل وقوع پدیده وارونگی دمایی شاهد تراکم بیشتر ذرات بودیم. در پایان روند کلی تغییرات غلظت ذرات و مساحت مناطق دارای کیفیت ناسالم به صورت صعودی بوده و از فصل بهار تا زمستان شاهد افزایش غلظت ذرات بودیم.

Keywords:

ذرات معلق , مدلسازی مکانی زمانی , سیستم فازی عصبی , الگوریتم فراابتکاری