پيش‌بيني غلظت آلاينده منوكسيدكربن در كلان‌شهر تهران با استفاده از شبكه‌هاي عصبي مصنوعي

زمينه و هدف:. راهكارهاي متعددي براي كنترل آلودگي هوا وجود دارد كه يكي از آن‌ها پيش بيني ميزان آن است. هدف از اين تحقيق ارايه يك مدل شبكه عصبي مصنوعي با ساختار چندلايه، براي آلاينده CO در شهر تهران براي پيش بيني 24ساعت آينده آن مي باشد. روش بررسي: از مشخصه هاي سرعت باد، جهت باد، دما، رطوبت نسبي و فشار هوا به عنوان داده هاي هواشناسي و از غلظت منوكسيدكربن به عنوان پارامتر آلودگي هوا به منظور پيش بيني مقدار آلايندهCO  در روز آتي (24 ساعت آينده) استفاده شد. جهت حذف نويز داده ها، در مرحله پيش پردازش داده ها، از دو روش تبديل موجك و تعيين حد آستانه به كمك توزيع نرمال استفاده گرديد. يافته‌ها: نتايج حاصل از شاخص هاي آماري ضريب همبستگي، شاخص توافق، دقت پيش بيني و جذر ميانگين مربعات خطا براي مدل1 با داده هاي تكراري به ترتيب 0.9012، 0.915، 0.848 و 0.1012 و براي مدل2 با داده هاي تكراري به ترتيب0.9572، 0.978، 0.963 و 0.0385 مي باشد. نتيجه گيري: نتايج حاصل نشان مي دهد توافق خوبي بين داده هاي اصلي و داده هاي پيش بيني شده توسط مدل ها وجود دارد و مدل هاي ارايه شده در پيش بيني آلودگي هوا از قابليت بالايي برخوردارند.