عملکرد مدل شبکه عصبی مصنوعی و شبکه عصبی فازی تطبیقی در تخمین غلظت ذرات معلق در هوای شهر تهران

در سالهای اخیر رشد روز افزون جمعیت، وسایل نقلیه و کارخانه ها باعث افزایش آلودگی هوا و ایجاد مشکلات زیادی برای محیط زیست بشر و سلامتی انسان شده است. یکی از مهمترین آلاینده ها، ذرات معلق می باشد که سبب بروز مشکلات تنفسی و قلبی در انسان می شود. هدف از این مطالعه مقایسه مدل های شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی در تخمین غلظت ذرات معلق در شهر تهران می باشد. در این تحقیق از داده های هواشناسی مقدار دما، میزان بارش و سرعت باد و داده های غلظت ذرات معلق در سال های 1389و1390 استفاده شد. موثر ترین متغیرهای هواشناسی با استفاده از رگرسیون گام به گام انتخاب شدند. سپس با استفاده از مدل های شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی به تخمین غلظت ذرات معلق پرداخته شد. نتایج نشان می دهند که شبکه عصبی مصنوعی در ایستگاه گلبرگ با مقدار ریشه میانگین مربعات خطا 0/044 و ضریب همبستگی 0/22 نسبت به شبکه عصبی فازی- تطبیقی با مقدار ریشه میانگین مربعات خطا، 0/046 و ضریب همبستگی 0/26 در مرحله آزمون توانسته با دقت بالاتری غلظت ذرات معلق را تخمین بزند. همچنین در ایستگاه گلبرگ دما، در ایستگاه پونک و فتح سرعت باد و در ایستگاه شهرداری منطقه 16 بارش اثر گذارترین متغیر ها بر غلظت ذرات معلق می باشند. نتایج نشان می دهند که مدل شبکه عصبی مصنوعی دارای دقت بالاتری در تخمین غلظت ذرات معلق نسبت به شبکه عصبی فازی- تطبیقی می باشد. بر طبق آزمون آنالیز حساسیت در ایستگاه گلبرگ متغیر مقدار دما، در ایستگاه پونک و فتح سرعت باد و در ایستگاه شهرداری 16 متغیر بارش اثر گذارترین متغیر ها بر غلظت ذرات معلق می باشند.