پیش بینی آلودگی PM10 هوای شهر مشهد با استفاده از شبکه های عصبی مصنوعی MLP و مدل زنجیره مارکف

مدیریت ذرات معلق یکی از موارد مهم در کنترل آلودگی شهرها محسوب می شود. این ذرات باعث ایجاد و توسعه بیماری های قلبی و تنفسی مختلف در افراد می گردد. شهر مشهد بعنوان یکی از شهرهای اصلی و پرجمعیت ایران با توجه به شرایط اقلیمی و همچنین توریستی بودن، بیش از هر چیزی در معرض خطر این نوع آلودگی قرار دارد. در این تحقیق سعی شده با استفاده از مدل های پرسپترون شبکه های عصبی مصنوعی و مدل زنجیره مارکوف غلظت PM10 پیش بینی و تحلیل گردد. برای این منظور از داده های ساعتی CO، SO2، PM2.5 و دما برای دو ماه فروردین و اردیبهشت در سال 1394 استفاده شد. از مجموع 1488 سری داده، 1300 داده برای آموزش شبکه و 188 داده جهت صحت سنجی استفاده گردید. نتایج نشان دهنده عملکرد مطلوب این روش ها در پیش بینی میزان آلاینده و همچنین احتمال وقوع ساعات با کیفیت های مختلف آلودگی می باشد. بهترین مدل پرسپترون میزان آلاینده ذرات معلق را با ضریب همبستگی 0/88، شاخص تطابق 0/91، میانگین بایاس خطای 0/0874 و جذر میانگین مربعات خطای 2/26 پیش بینی نمود، همچنین مدل مارکوف با خطای مطلق متوسط حدود 0/1 درصد احتمالات انتقال وضعیت و تداوم وضعیت های مختلف آلودگی هوای ناشی از ذرات معلق را پیش بینی نمود.