پيش بيني و مدلسازي غلظت روزانه ذرات معلق (PM2.5 PM10) زمستانه شهر همدان با شبكه عصبي مصنوعي پرسپترون چند لايه

در سال‌‌هاي اخير تعداد روزهاي با غلظت بالاي ذرات معلق (PM) در شهر همدان بسيار افزايش يافته است. با توجه به شدت بيشتر اين پديده در فصل زمستان، براي مديريت اثرات بهداشتي و محيط‌زيستي آن در اين فصل كوشيده شده است تا با استفاده از شبكه عصبي مصنوعي (ANN) ابزاري بهينه براي پيش‌بيني زود هنگام آن ارايه گردد. براي بررسي عوامل تاثيرگذار بر غلطت PM زمستانه شهر همدان، داده‌هاي زمستانه آلاينده‌هاي هوا و پارامترهاي هواشناسي با همبستگي پيرسون مورد تحليل قرار گرفت. سپس بر اساس نتايج حاصل، شبكه عصبي پرسپترون چندلايه(MLP-ANN) بهينه شده بر اساس آزمون و آزمايش مدل‌سازي و مقادير PM پيش‌بيني شد. در بين عوامل هواشناسي و كيفي هوا، متغيرهاي كيفي هوا داراي همبستگي بيشتري با غلظت PM زمستانه بودند. ANN در مدلي با 3 لايه ورودي، 1 لايه پنهان و 4 پردازنده لايه مياني با دقت بالاي 90% ميزان PM2.5 و مدلي با يك لايه ورودي، يك لايه پنهان و 5 پردازنده لايه مياني با دقتي بالاي 90% ميزان PM10 را پيش‌بيني نمود. باوجود قرارگيري كوه الوند بين باد غالب نواحي غربي كشور و شهر همدان تاثير عوامل هواشناسي بر غلظت PM كم مي‌‌باشد. همچنين افزايش PM زمستانه شهر مي‌‌تواند ناشي افزايش مصرف سوخت و توليد آلاينده‌‌هاي حاصل از احتراق در زمستان باشد. ابزار MLP-ANN با كمترين و دردسترس ترين داده‌‌ها داراي قابليت پيش‌بيني زود هنگام ميزان PM مي‌‌باشد و مي‌‌توان از آن براي كنترل اثرات PM بهره گرفت.