پيش بيني آلودگي PM10 هواي شهر مشهد با استفاده از شبكه هاي عصبي مصنوعي MLP و مدل زنجيره ماركف

مديريت ذرات معلق يكي از موارد مهم در كنترل آلودگي شهرها محسوب مي شود. اين ذرات باعث ايجاد و توسعه بيماري هاي قلبي و تنفسي مختلف در افراد مي گردد. شهر مشهد به عنوان يكي از شهرهاي اصلي و پرجمعيت ايران با توجه به شرايط اقليمي و همچنين توريستي بودن، بيش از هر چيزي در معرض خطر اين نوع آلودگي قرار دارد. در اين تحقيق سعي شده با استفاده از مدل هاي پرسپترون شبكه هاي عصبي مصنوعي و مدل زنجيره ماركوف غلظت PM10 پيش بيني و تحليل گردد. براي اين منظور از داده هاي ساعتي CO، SO2، PM2.5 و دما براي دو ماه فروردين و ارديبهشت در سال 1394 استفاده شد. از مجموع 1488 سري داده، 1300 داده براي آموزش شبكه و 188 داده جهت صحت سنجي استفاده گرديد. نتايج نشان دهنده عملكرد مطلوب اين روش ها در پيش بيني ميزان آلاينده و همچنين احتمال وقوع ساعات با كيفيت هاي مختلف آلودگي بود. بهترين مدل پرسپترون ميزان آلاينده ذرات معلق را با ضريب همبستگي 0.88، شاخص تطابق 0.91، ميانگين باياس خطاي 0.0874 و جذر ميانگين مربعات خطاي 2.26 پيش بيني نمود، همچنين مدل ماركوف با خطاي مطلق متوسط حدود 0.1 درصد احتمالات انتقال وضعيت و تداوم وضعيت هاي مختلف آلودگي هواي ناشي از ذرات معلق را پيش بيني نمود.