تخمین مقادیر جاافتاده در سری های زمانی داده های آلودگی هوای شهر تهران

امروزه آلودگی هوا به یکی از معضلات مهم در شهرهای پرجمعیت تبدیل شده است که هرساله تعداد قابل توجهی از ساکنان شهرها را با مشکلات ریوی روبرو می کند و می تواند تاثیرات جبران ناپذیری بر سلامت شهروندان داشته باشد. دستگاه های ثبت آلودگی هوا در شهرها، آلودگی را به صورت ساعتی ثبت می کنند. مشکلات فنی پیش آمده برای این دستگاه ها، در بعضی مواقع سبب می شود بخشی از داده های مهم ثبت نگردند و درنتیجه آن، مقادیر جاافتاده در داده های ایجاد می گردد. در این مطالعه به تخمین مقادیر جاافتاده پرداخته شده است. این مطالعه روی داده های آلودگی هوای شهر تهران شامل غلظت آلاینده های PM2.5، PM10، SO2، NO2، O3 و CO انجام شده است. در این مطالعه الگوریتم LANN که در تخمین و پیش بینی سری های زمانی تک متغیره کاربرد دارد، استفاده شده است و مقادیرجاافتاده برای تمامی آلاینده ها پیاده سازی و مقایسه شده است. هم چنین در بخشی دیگر از مطالعه، سایر آلاینده های محیطی در برآوردمقادیر جاافتادهدر نظر گرفته شده اند که با به کارگیری روش شبکه عصبی، تخمین مقادیر جاافتاده برای همه آلاینده ها انجام شده است. همچنین برای بررسی و مقایسه الگوریتم ها از شاخص RMSE استفاده شده است. مقدار RMSE در روش LANN نسبت به سایر مدل های ساده تر شامل میانگین، رگرسیون خطی و LOCF مقدار کمتری داشت به نحوی که مقدار آن 30 تا 50 درصد، بسته به نوع آلاینده کمتر بوده است. همچنین الگوریتم شبکه عصبی نسبت به سایر روش ها در تخمین مقادیر PM2.5، RMSE کمتری داشت و مقدار آن 78/7 بوده است.