ارائه مدلي تركيبي به منظور پيش بيني غلظت آلاينده ذرات معلق: مطالعه موردي شهر مشهد

A Hybrid Model for Prediction of Air Concentration of Particulate Matters: A Case Study of Mashhad

امروزه آلودگي هوا به يكي از جديترين معضلات زيست محيطي تبديل شده است. به همين منظور نقش پيش بيني در خصوص برنامه ريزي به منظور كاهش آلودگي يا اطلاع رساني به مردم، حائز اهميت است. لذا اين مطالعه با هدف تدوين الگويي جهت پيش بيني ميانگين روزانه غلظت ذرات معلق كوچكتر از 2.5 ميكرومتر براي يك روز جلوتر ارائه مي گردد. در اين مطالعه به منظور پيش بيني و مدلسازي آلاينده از مدلي تركيبي شامل تبديل موجك و شبكه عصبي پرسپترون چند لايه استفاده مي گردد. در اين راستا به منظور بهبود عملكرد پيش بيني از پارامترهاي ورودي مناسبي كه بالاترين كيفيت مدلسازي و پيش بيني را حاصل كنند، استفاده گرديد. نتايج عددي براي پيش بيني غلظت روزانه آلاينده مورد نظر در شهر مشهد ارائه شده است. نتايج محاسباتي صحت قابل قبولي را بر حسب تمام معيارهاي كيفيت مورد بررسي نشان مي دهد.

Nowadays, air pollution is one of the most serious environmental problems. To this end, the role of predication of planning for reducing pollution or informing the public is important. Therefore, this study aims at developing a model to predict the average of the concentration of particulate matters with a diameter of less than 2.5 micrometer for one-day ahead. In this study, for pollution prediction and modeling, a hybrid model including wavelet transformation and multilayer perceptron neural network is used. In this way, for an improvement in the prediction performance, we use proper input parameters which lead to the highest quality in modeling and prediction. Some numerical results for the prediction of the daily concentration of the pollutant in Mashhad are presented. The results have shown an acceptable accuracy in terms of all measures of the considered quality.