پیشبینی آلودگی هوای شهر تهران با استفاده از ترکیب شبکه عصبی فازی تطبیقی وآنالیز مولفه اصلی

رشد و توسعه شهری و افزایش استفاده از وسایل نقلیه در سال های اخیر منجر به افزایش آلودگی هوا، به ویژه در شهر های بزرگ و صنعتی، شده است. با توجه به آثار نامطلوب آلودگی هوا در سلامت انسان ها و دیگر جانداران، پیش بینی و مدل سازی این پدیده پیچیده از دغدغه های اصلی محققان در سال های اخیر بوده است. هدف این تحقیق طراحی سیستمی است به منظور پیش بینی آلودگی هوا، طی 24 ساعت آینده، تا با شناسایی مناطق آلوده، به مدیران و برنامه ریزان شهری برای کنترل و کاهش میزان آلاینده ها کمک کند. در سیستم طراحی شده، از ترکیب آنالیز مولفه اصلی و شبکه عصبی فازی – تطبیقی (PCA-ANFIS)، به منظور پیش بینی آلودگی هوا در فصل های متفاوت، استفاده شده است. در این سیستم، داده های هواشناسی و غلظت آلاینده ها در روزهای گذشته، برای پیش بینی آلودگی هوای شهر تهران در 24 ساعت آینده، به کار رفته است. همچنین، از پارامتر های مکانی مانند ارتفاع، توپوگرافی سطح زمین و فاصله از جاده به منظور مدل سازی مکانی پراکندگی آلودگی هوا استفاده شده است. نتایج حاصل از مقایسه روش ترکیبی PCA-ANFIS با روش ANFIS دقت و سرعت بالاتر مدل ترکیبی طراحی شده را، به نسبت روش ANFIS در پیش بینی آلودگی هوا طی 24 ساعت آینده، بیان می کند.