پيش‌بيني شاخص كيفيت هوا برمبناي متغيرهاي هواشناسي و مولفه‌هاي خودهمبسته با استفاده از شبكه عصبي مصنوعي

زمينه و هدف: شاخص كيفيت هوا (Air Quality IndexAQI) ارتباط كيفيت هوا را با سطوح سلامتي به صورت كمي بيان مي كند. با استفاده از مدل شبكه عصبي مقدار AQI براي يك روز بعد بر مبناي متغيرهاي هواشناسي و خودهمبستگي شاخص، براي شهر كرمانشاه پيش بيني شد. روش كار: بعد از آماده سازي داده هاي آلاينده هاي معيار و متغيرهاي هواشناسي سال هاي 91-1389، تاخيرهاي زماني يك روز قبل و بعد متغيرها ايجاد شد. مقدار شاخص يك روز بعد به عنوان متغير وابسته و ساير متغيرها به عنوان ورودي مدل استفاده گرديد. عملكرد مدل با استفاده از ضريب همبستگي (r)، ضريب تبيين (R2) و ريشه ميانگين مربع خطا ارزيابي شد. تحليل حساسيت مدل بررسي و مهمترين متغيرهاي موثر براي پيش بيني AQI شناسايي گرديد. يافته ها: مقدار r مراحل آموزش، اعتبارسنجي و آزمون مدل بالاتر از 0.75 تعيين و R2 مرحله آزمون برابر 0.6 تعيين شد. در بين متغيرهاي هواشناسي، ميزان ديد افقي و ميزان بارندگي تاثير بيشتري بر مقدار شاخص داشتند به نحوي كه بارندگي در يك روز قبل به طور معناداري باعث كاهش مقدار AQI روز بعد خواهد شد. همچنين بين ميزان ديد افقي و AQI ارتباط معكوس مشخص گرديد. نتيجه گيري: مدل پيشنهادي مي تواند براي پيش بيني مقدار شاخص AQI شهر كرمانشاه مورد استفاده قرار گيرد. با توجه به مسئله آلودگي هوا و خصوصاً مشكل ريزگردها، چنانچه چنين مدلي به صورت ديناميك استفاده شود نقش آن در اعلان وضعيت هوا ملموس تر خواهد شد. پيشنهاد مي گردد پيش بيني شاخص AQI در قالب يك مدل با قابليت به روز شدن براي اين استان در مطالعات بعد انجام گردد.