عملكرد مدل شبكه عصبي مصنوعي و شبكه عصبي فازي تطبيقي در تخمين غلظت ذرات معلق در هواي شهر تهران

در سالهاي اخير رشد روز افزون جمعيت ، وسايل نقليه و كارخانه ها باعث افزايش آلودگي هوا و ايجاد مشكلات زيادي براي محيط زيست بشر و سلامتي انسان شده است. يكي از مهمترين آلاينده ها، ذرات معلق مي باشد كه سبب بروز مشكلات تنفسي و قلبي در انسان مي شود. هدف از اين مطالعه مقايسه مدل هاي شبكه عصبي مصنوعي و شبكه عصبي فازي-تطبيقي در تخمين غلظت ذرات معلق در شهر تهران مي باشد. در اين تحقيق از داده هاي هواشناسي مقدار دما، ميزان بارش و سرعت باد و داده هاي غلظت ذرات معلق در سال هاي 1389و1390 استفاده شد. موثر ترين متغيرهاي هواشناسي با استفاده از رگرسيون گام به گام انتخاب شدند. سپس با استفاده از مدل هاي شبكه عصبي مصنوعي و شبكه عصبي فازي- تطبيقي به تخمين غلظت ذرات معلق پرداخته شد. نتايج نشان مي دهند كه شبكه عصبي مصنوعي در ايستگاه گلبرگ با مقدار ريشه ميانگين مربعات خطا 0/044 و ضريب همبستگي 0/22 نسبت به شبكه عصبي فازي- تطبيقي با مقدار ريشه ميانگين مربعات خطا، 0/046 و ضريب همبستگي 0/26 در مرحله آزمون توانسته با دقت بالاتري غلظت ذرات معلق را تخمين بزند. همچنين در ايستگاه گلبرگ دما، در ايستگاه پونك و فتح سرعت باد و در ايستگاه شهرداري منطقه 16 بارش اثر گذارترين متغير ها بر غلظت ذرات معلق مي باشند. نتايج نشان مي دهند كه مدل شبكه عصبي مصنوعي داراي دقت بالاتري در تخمين غلظت ذرات معلق نسبت به شبكه عصبي فازي- تطبيقي مي باشد. بر طبق آزمون آناليز حساسيت در ايستگاه گلبرگ متغير مقدار دما، در ايستگاه پونك و فتح سرعت باد و در ايستگاه شهرداري 16 متغير بارش اثر گذارترين متغير ها بر غلظت ذرات معلق مي باشند.