توسعه مدل پیش بینی غلظت ازن در هوا با استفاده از شبکه عصبی مصنوعی

با توجه به مضرات ازن بر سلامت انسان و محیط زیست و افزایش آن در دهه های گذشته، بررسی و پیش بینی میزان آن در هوا از اهمیت بالایی برخوردار است. پیش بینی غلظت ازن در هوا می تواند برای پیشگیری و کنترل توسط مسئولان استفاده شود. در این مقاله پارامترهای مهم و تاثیرگذار بر غلظت ازن با استفاده از داده های پایش کیفیت هوا ایستگاه های آزادی و امام خمینی طی سال های 2009 تا 2010، بررسی شده است. در این راستا متغیرهای هواشناسی شامل رطوبت نسبی، دما، فشار، سرعت و جهت باد با غلظت ازن به کمک همبستگی خطی و تحلیل مولفه های اصلی تحلیل شد. مطالعه همبستگی بین متغیر های مختلف هواشناسی با غلظت ازن نشان داد که غلظت ازن تحت تاثیر پارامترهای رطوبت نسبی، دما و سرعت باد است. تاثیر پارامترهای رطوبت نسبی و دما را می توان با توجه به عملکرد فتوشیمیایی و نقش این فرآیند در تولید ازن توصیف کرد. در حالی که همبستگی ازن با پارامتر سرعت باد نشان دهنده انتقال ازن از مناطق دیگر است. در ادامه سعی شد از یک شبکه عصبی پرسپترون چندلایه جهت پیش بینی غلظت ازن استفاده شود. ورودی های این شبکه عبارتند از رطوبت نسبی، دما و سرعت باد که قبلآ تاثیر آنها بر غلظت ازن اثبات شده است. نتایج اجرای شبکه عصبی توسعه داده شده در ایستگاه های میدان آزادی و امام خمینی در تهران نشان داد که مدل طراحی شده میزان غلظت ازن را با دقت 67 تا 97 درصد در 24 ساعت آینده تخمین می زند. نتایج این تحقیق و مدل توسعه داده شده می تواند برای مدیریت بهتر آلودگی هوا و کنترل غلظت ازن توسط مدیران شهری مورد استفاده قرار گیرد.