آناليز حساسيت پارامترهاي موثر بر غلظت ازن با استفاده از شبكه عصبي مصنوعي

Sensitivity Analysis of the Effective Input Parameters upon the Ozone Concentration using Artificial Neural Networks

--> زمينه و هدف: آلودگی هوا ناشی از ازن در كلان شهرها از مهم‌ترين عوامل آلوده كننده‌هاست كه موجب آسيب به محيط زيست و موجودات زنده مي گردد، اين تحقيق سعی دارد مدلی برای تخمين ميزان ازن كلان شهر تبريز در دو ايستگاه پايش آلودگی آبرسان و راسته كوچه ارايه نمايد. روش بررسی: در اين تحقيق شبكه عصبی مصنوعی برای در نظر گرفتن تاثير همزمان پارامترهای هواشناسی و آلودگی هوا بر ميزان غلظت ازن، مورد استفاده قرار گرفته است و از ماتريس وزنی شبكه عصبی مصنوعی به همراه معادله گارسون برای آناليز حساسيت پارامترهای ورودی به شبكه عصبی استفاده شده است. يافته ها: نتايج نشان می دهد ميزان غلظت ازن از خصوصيات هواشناسی و نيز پارامترهای آلودگی هوا به طور همزمان تاثير گرفته است، كه از ميان پارامترهای هواشناسی حداكثر دما و از ميان پارامترهای آلودگی منواكسيد كربن به عنوان پارامترهای تاثيرگذار است. نتيجه‌گيری: نتايج حاصل حاكی از توانمندی قابل قبول مدل شبكه عصبی در پيش بينی ميزان غلظت ازن است. علاوه بر آن، متغيرهای مورد استفاده در اين مدل توانسته است، نحوه تغييرات ميزان غلظت ازن ايستگاه های مورد بررسی در منطقه را تشخيص دهند. /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-qformat:yes; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin:0cm; mso-para-margin-bottom:.0001pt; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri","sans-serif"; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-fareast-font-family:"Times New Roman"; mso-fareast-theme-font:minor-fareast; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:Arial; mso-bidi-theme-font:minor-bidi;}

Background and Objectives: Weather pollution, caused by Ozone (O3) in metropolitans, is one of the major components of pollutants, which damage the environment and hurt all living organisms. Therefore, this study attempts to provide a model for the estimation of O3 concentration in Tabriz at two pollution monitoring stations: Abresan and Rastekuche. Materials and Methods: In this research, Artificial neural networks (ANNs) were used to consider the impact of the meteorological and weather pollution parameters upon O3 concentration, and weight matrix of ANNs with Garson equation were used for sensitivity analysis of the input parameters to ANNs. Results: The results indicate that the O3 concentration is simultaneously affected by the meteorological and the weather pollution parameters. Among the meteorological parameters used by ANNs, maximum temperature and among the air pollution parameters, carbon monoxide had the maximum effect. Conclusion: The results are representative of the acceptable performance of ANNs to predict O3 concentration. In addition, the parameters used in the modeling process could assess variations of the ozone concentration at the investigated stations.