پيش بيني آلايندگي دي اكسيدنيتروژن در شهر تهران با استفاده از سيستم استنتاج فازي- عصبي تطبيقي با نظارت الگوريتم يادگيري كلاغ

دي‌اكسيدنيتروژن يكي از آلاينده هايي است كه بيشترين اثرات بد بر سلامتي انسان دارد. اطلاعات پيشرفته در مورد غلظت آن در هوا مي‌تواند به نظارت و كنترل بيشتر عواقب كمك كند و در عين حال اعمال اقدامات پيشگيرانه و كاهش‌دهنده را آسان تر مي‌كند. فناوري‌هاي يادگيري ماشيني با روش‌ها و قابليت‌هاي موجود مي‌توانند تحليل‌هاي پيشبيني ‌كننده را با دقت بالاتري انجام دهند و در نتيجه مي‌توانند به عنوان يك ابزار حمايتي براي مديريت مولد عمل كنند. يكي از پيشرفته‌ترين الگوريتم‌هاي يادگيري ماشين، سيستم استنتاج فازي- عصبي تطبيقي است كه در اين مقاله براي پيشبيني غلظت دي‌اكسيدنيتروژن استفاده مي‌شود. براي آموزش سيستم استنتاج فازي- عصبي تطبيقي از الگوريتم يادگيري كلاغ استفاده مي-شود. تعيين مقادير بهينه مراكز در توابع عضويت و وزن‌ها در سيستم ANFIS باعث افزايش دقت آن و كاهش ميزان خطا در پيشبيني ميزان آلايندگي دي‌اكسيدنيتروژن مي‌شود. براي اين منظور از الگوريتم يادگيري كلاغ براي تعيين مقادير بهينه مراكز توابع عضويت و وزن‌ها در مدل ANFIS استفاده مي‌شود تا مقادير بهينه مراكز توابع عضويت و وزن‌‌ها تعيين شود تا با دقت بالايي پيشبيني ميزان آلايندگي دي‌اكسيدنيتروژن انجام شود و در انتها نتايج با شبكه عصبي پايه‌اي- شعاعي مقايسه شده است. نتايج سيستم استنتاج فازي- عصبي تطبيقي آموزش‌يافته با الگوريتم يادگيري كلاغ با ميانگين مربعات خطا 0.0081 حاكي از عملكرد بهتر سيستم استنتاج فازي- عصبي تطبيقي در مقايسه با شبكه عصبي پايه‌اي- شعاعي در پيشبيني آلايندگي دي اكسيدنيتروژن با ميانگين مربعات خطا 0.0101 مي باشد.