پیش بینی غلظت آلاینده های هوای تهران بر اساس متغیرهای هواشناسی با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی در فصول گرم و سرد

تهران آلوده ترین شهر کشور محسوب می شود که این آلودگی می تواند آثار دراز مدت و کوتاه مدتی بر سلامت انسان داشته باشد. از این رو پیش بینی غلظت آلاینده ها می تواند در برنامه ریزی های پیشگیری و کنترل مفید واقع شود. روش های متفاوتی برای پیش بینی وجود دارد و دراین میان سالها، روش های شبکه ی عصبی پیشرفت قابل توجهی در پیش بینی آلودگی هوا داشته است. در این مطالعه، از شبکه ی عصبی مصنوعی پرسپترون سه لایه به منظور پیش بینی غلظت آلاینده های PM10، CO و شاخص کیفیت هوا (AQI) در هوای شهر تهران استفاده شد. داده های غلظت آلاینده ها از اداره ی کنترل کیفیت هوای تهران جمع آوری شد و داده های هواشناسی از اداره ی کل سازمان هواشناسی کشور طی سال های 1392 و 1393 جمع آوری شد. بیشترین ضریب همبستگی (R2) برای آلاینده PM10 با مقدار 0.83 در فصول گرم بود و بیشترین ضریب همبستگی آلاینده CO مربوط به فصول سرد بود (R2=0.74). در نهایت بیشترین ضریب همبستگی AQI در فصل سرد (R2=0.57) بود. در مدل رگرسیون خطی بیشترین ضریب همبستگی با مقدار 0.58 برای آلاینده PM10 در فصول گرم بود. بیشترین ضریب همبستگی در این مدل برای آلاینده CO با مقدار 0.33 در فصل سرد بود. درنهایت بیشترین ضریب همبستگی AOI (R2=0.31) در فصل گرم بود. این به این معنی است که با تغییرات متغیرهای هواشناسی، غلظت CO و ذرات معلق و مقادیر شاخص AQI تغییر می کند به گونه ای که افزایش باد باعث پراکنش آلاینده و کاهش غلظت آن می شود و افزایش درجه حرارت باعث افزایش غلظت آلاینده می شود. بنابراین بین آنها ارتباط وجود دارد.