مقابله با مخاطرات ناشی از غلظت آلاینده PM2.5 با به کارگیری روش های رگرسیونی و شباهت مکانی- زمانی و تخمین مقادیر گم شده در سری زمانی آنها (مطالعه موردی: شهر تهران)

با توجه به تاثیر نامطلوب آلاینده ها بر محیط زیست و سلامت انسان، تجزیه وتحلیل داده های کیفیت هوا اهمیت زیادی در حفاظت از محیط زیست و رویارویی با مشکلات آلودگی هوا دارد. داده های گم شده در سری های زمانی به خصوص داده های مربوط به آلودگی هوا موجب بروز چالشی ویژه در برابر آنالیز این داده ها می شود که ضرورت استفاده از روش هایی با عنوان جانهی را برای مقابله با این پدیده نمایان می کند. مقادیر گم شده، موجب کاهش حجم داده و تغییر الگوهای زمانی موجود در داده ها و نتیجه گیری اشتباه در تجزیه وتحلیل داده ها می شود. در این پژوهش به منظور جانهی مقادیر از دست رفته در داده های سری زمانی غلظت آلاینده  از 12 ایستگاه سنجش آلودگی شهر تهران، روشی ترکیبی برمبنای رگرسیون جانهی با در نظر گرفتن وابستگی و شباهت های مکانی و زمانی بین ایستگاه ها توسط الگوریتم پیچش زمانی پویا معرفی شده است. داده هایی با مقادیر گم شده با الگویی مشابه با داده های اصلی در دامنه 10، 15 و 20 درصد گم شدگی در داده ها با هدف ارزیابی عملکرد مدل های جانهی شبیه سازی شدند. سپس روش پیشنهادی در ترکیب با روش های مختلف جانهی چندگانه همانند روش طبقه بندی و رگرسیون درختی، نمونه تصادفی و میانگین تطابق پیش بینی کننده، اجرا و نتایج با روش های جانهی منفرد مقایسه شد. نتایج بیانگر برتری روش معرفی شده در ترکیب با رگرسیون درختی در مقایسه با دیگر روش های جانهی چندگانه و منفرد است.