پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی

شاخص کیفیت هوا (Air Quality Index-AQI) ارتباط کیفیت هوا را با سطوح سلامتی به صورت کمی بیان می کند. با استفاده از مدل شبکه عصبی مقدار AQI برای یک روز بعد بر مبنای متغیرهای هواشناسی و خودهمبستگی شاخص، برای شهر کرمانشاه پیش بینی شد.
بعد از آماده سازی داده های آلاینده های معیار و متغیرهای هواشناسی سال های 91-1389، تاخیرهای زمانی یک روز قبل و بعد متغیرها ایجاد شد. مقدار شاخص یک روز بعد به عنوان متغیر وابسته و سایر متغیرها به عنوان ورودی مدل استفاده گردید. عملکرد مدل با استفاده از ضریب همبستگی (r)، ضریب تبیین (R2) و ریشه میانگین مربع خطا ارزیابی شد. تحلیل حساسیت مدل بررسی و مهمترین متغیرهای موثر برای پیش بینی AQI شناسایی گردید.
مقدار r مراحل آموزش، اعتبارسنجی و آزمون مدل بالاتر از 75/0 تعیین و R2 مرحله آزمون برابر 6/0 تعیین شد. در بین متغیرهای هواشناسی، میزان دید افقی و میزان بارندگی تاثیر بیشتری بر مقدار شاخص داشتند به نحوی که بارندگی در یک روز قبل به طور معناداری باعث کاهش مقدار AQI روز بعد خواهد شد. همچنین بین میزان دید افقی و AQI ارتباط معکوس مشخص گردید.
مدل پیشنهادی می تواند برای پیش بینی مقدار شاخص AQI شهر کرمانشاه مورد استفاده قرار گیرد. با توجه به مسئله آلودگی هوا و خصوصا مشکل ریزگردها، چنانچه چنین مدلی به صورت دینامیک استفاده شود نقش آن در اعلان وضعیت هوا ملموس تر خواهد شد. پیشنهاد می گردد پیش بینی شاخص AQI در قالب یک مدل با قابلیت به روز شدن برای این استان در مطالعات بعد انجام گردد.