آموزش شبكه عصبي مصنوعي با نسخه آشوب‌گونه الگوريتم جستجوي گرانشي و كاربرد آن در پيش‌بيني آلاينده‌هاي هوا: مطالعه قياسي

امروزه پيش‌بيني آلودگي هوا در نواحي شهري به دليل تأثير آن بر روي سلامتي انسان، يكي از موضوعات مهم در پژوهش‌هاي زيست‌محيطي است. با وجود اهميت به‌سزاي موضوع آلودگي هوا، داده‌هاي نقاط اندكي در دسترس بوده و اندازه‌گيري آن براي تمام نقاط مورد نظر ناممكن است. به‌همين ‌علت، تاكنون مدل‌هاي مختلفي براي پيش‌بيني آلودگي هوا معرفي شده‌اند. در اين مقاله، 10 ويژگي‌ مهم از مجموع 20 ويژگي مربوط به داده ­هاي سازمان هواشناسي و مؤثر در پيش ­بيني آلودگي هوا توسط نسخه دودويي الگوريتم جستجوي گرانشي انتخاب شده ­اند. در ادامه، با استفاده از نسخه آشوب‌گونه الگوريتم جستجوي گرانشي، يك شبكه عصبي به‌منظور پيش‌بيني آلاينده‌هاي هواي شهر تهران آموزش داده شده است. براي ارزيابي كارايي شبكه عصبي آموزش‌‌ديده، عملكرد آن در پيش‌بيني ميزان آلاينده‌هاي هواي شهر تهران، در شرايط كاملا يكسان با پنج روش ديگر كه در آن‌ها شبكه عصبي با الگوريتم‌هاي جستجوي گرانشي استاندارد، پس انتشار خطا، اجتماع زنبورها، تركيب الگوريتم ­هاي وراثتي با تبريد شبيه‌سازي‌شده، و بهينه‌سازي ازدحام ذرات آموزش ديده‌ است، مقايسه مي‌شود. نتايج تجربي گوياي برتري روش پيشنهادي در آموزش شبكه عصبي با هدف پيش ­بيني آلودگي مي‌باشد.