داده‌كاوي نقش آلاينده‌هاي هوا (نيترات و نيتريت اكسيد) در تغييرات دما و بارش ايستگاه سينوپتيك تبريز با استفاده از يادگيري ماشين شبكۀ عصبي پرسپترون چندلايه و رگرسيون لجستيك

هدف از اين تحقيق، داده‌كاوي نقش آلاينده‌هاي هوا (نيترات و نيتريت اكسيد)، در تغييرات عناصر دما و بارش 24 ساعته در ايستگاه سينوپتيك تبريز است. مواد و داده‌هاي به‌كاررفته در اين تحقيق از دو منبع متفاوت‌اند. داده‌‌هاي درجه‌حرارت و بارش از ايستگاه هواشناسي سينوپتيك تبريز به‌صورت ساعتي براي مدت 31 سال و داده‌هاي آلاينده‌هاي‌ هواي تبريز (نيترات و نيتريت اكسيد) از سازمان محيط‌زيست تبريز اخذ شده است. در ارتباط با داده‌هاي آلايندۀ هوا مي‌توان گفت اين داده‌ها توسط زبان برنامه‌نويسي R يادگيري ماشين شبكۀ عصبي پرسپترون چند‌لايه شبيه‌سازي ‌شده است. در ادامه، روش‌هاي يادگيري از رگرسيون لجستيك با هدف پيش‌بيني اثرات آلاينده‌ها در تغييرات دما و بارش استفاده شد. در مدل لجستيك، دما و بارش به‌عنوان متغير‌هاي وابسته و غلظت نيترات و نيتريت اكسيد به‌عنوان متغيرهاي پيش‌بين مستقل انتخاب شدند. كل داده‌ها در تحليل وارد شد و مدل لجستيك معني‌دار بود. مجذور كاي در نيترات و نيتريت اكسيد برابر ‌‌‌‌‌‌‌‌348/01 محاسبه شد كه در سطح خطاي كمتر از 0/05 معني‌دار بود. متغيرهاي مستقل مذكور توانسته‌اند بين 84 تا 60 درصد از تغييرات را كه منجر به  افزايش دما و كاهش بارش شده بود، به‌درستي تبيين كنند. 78/2 درصد از ماه‌هايي كه تغييرات نداشتند، درست طبقه‌بندي شدند و 97/2 درصد از پيش‌بيني‌ها دربارۀ تغييرات دما و بارش صحيح بود. دركل، 90/9 درصد از پيش‌بيني‌ها درست تخمين زده شده است. نتايج نشان داد كه آلاينده‌ها اثر معني‌داري روي افزايش دما و كاهش بارش در ايستگاه سينوپتيك تبريز دارد. بيشترين و كمترين ميزان نيترات اكسيد به‌ترتيب در ماه‌هاي شهريور و اسفند، نيتريت در شهريور و ارديبهشت، دما در تير و دي و بارش در فروردين و مرداد مشاهده‌ شده است.