يك روش مبتني بر شبكه عصبي جهت اندازه‌گيري بهنگام غلظت آلاينده‌هاي گازي شهر تهران با استفاده از تصاوير سنجنده ماديس

امروزه آلاينده‌هاي گازي به عنوان چالشي مهم در شهرهاي بزرگ مطرح مي‌‌باشند. با توجه به اين كه اين آلاينده‌ها باعث بروز اثرات منفي بر سلامت انسان و تخريب محيط زيست مي‌شود، روش‌هاي متعددي به منظور پيش‌بيني غلظت آلاينده‌هاي گازي از جمله مونواكسيدكربن (CO)، دي‌اكسيدنيتروژن (NO2) و دي‌اكسيدگوگرد (SO2)، توسط پژوهشگران ارايه شده است. هدف از پژوهش حاضر محاسبه‌ بهنگام غلظت آلاينده‌هاي گازي با استفاده از داده‌هاي سنجنده‌ ماديس شامل دماي سطح زمين به صورت شبانه و روزانه، عمق نوري آئروسل، شاخص پوشش گياهي و داده‌هاي ايستگاه‌هاي زميني پايش غلظت آلاينده‌ها با استفاده از شبكه عصبي پرسپترون چند لايه مي‌باشد. با توجه به نتايج، شبكه عصبي پرسپترون با 8 نورون بهترين عملكرد را نشان داده است. اين 8 نورون شامل 4 نورون در لايه ورودي، 3 نورون در لايه پنهان و يك نورون در لايه خروجي مي باشد. 80 درصد از داده‌ها به عنوان داده آموزشي و 20 درصد داده‌ها به عنوان داده آزمايشي و 15 درصد از داده‌هاي آموزشي نيز به منظور صحت‌سنجي شبكه در نظر گرفته شده است. با استفاده از داده‌هاي آموزشي و آزمايشي مذكور، پارامترهاي تعداد دوره و نرخ يادگيري تحليل حساسيت شده و مناسب ترين پارامترها انتخاب شده است. به منظور ارزيابي مقايسه اي نيز از روش رگرسيون جنگل تصادفي استفاده شده است. با توجه به نتايج، شبكه عصبي پرسپترون چند لايه نسبت به رگرسيون جنگل تصادفي عملكرد بهتري را نشان داد. در گام آخر نيز به تجزيه و تحليل كيفي نقشه‌ غلظت آلاينده‌ها و ارتباط آن‌ها با كاربري زمين و معابر موجود حول هر يك از ايستگاه‌هاي زميني پايش كنترل كيفيت هوا پرداخته شده است. داده‌هاي شهر تهران به صورت سري زماني 6 ساله از سال 1393 تا 1399 مورد استفاده قرار گرفت. ارزيابي دقت روش پيشنهادي با استفاده از داده‌هاي آزمايشي، دقت 86 درصدي در اندازه‌گيري آلاينده مونواكسيدكربن (CO) و دي‌اكسيدنيتروژن (NO2) و دقت 96 درصدي را در اندازه گيري آلاينده دي‌اكسيدگوگرد (SO2) نشان داد.