پیش بینی روزانه غلظت کربن منوکسید با استفاده از مدل تلفیقی انتخاب پیشرو- عصبی فازی براساس تحلیل پایداری جو؛ بررسی موردی: شهر تهران

امروزه، آلودگی هوای کلان شهرها به یک چالش زیست محیطی اساسی تبدیل شده است. در مورد شهر تهران، که 90 درصد از وزن کل آلاینده های هوای آن از خودروها منتشر می شود، کربن منوکسید نسبت به بقیه آلاینده های هوا اهمیت بیشتری دارد، به طوری که بیش از 75 درصد وزن آلاینده های این شهر را دربر می گیرد. با توجه به اینکه تحلیل پایداری لایه سطحی جو، درحکم شاخص وضعیت تلاطمی آن، بیشترین اثر را در پراکنش آلاینده های هوا دارد، می تواند در پیش بینی آلودگی هوا مورد توجه قرار گیرد. در این تحقیق به منظور تحلیل وضعیت پایداری جو نزدیک سطح زمین، دو نگرش مورد توجه قرار گرفته است: در نگرش اول سرعت باد، درحکم شاخص تلاطم مکانیکی و تابش خورشیدی درحکم شاخص تلاطم همرفتی منظور شده و در نگرش دوم، مقیاس سرعت اصطکاکی، به منزله شاخص تلاطم مکانیکی و گرادیان دما، به منزله شاخص تلاطم همرفتی مورد توجه قرار گرفته است. براساس این دو نگرش، دو مجموعه مدل عصبی- فازی به منظور پیش بینی غلظت روزانه کربن منوکسید در جو تهران توسعه داده شده اند که در هر مجموعه یک مدل بدون اعمال انتخاب ورودی و یک مدل با اعمال انتخاب ورودی درنظر گرفته شده است. انتخاب ورودی مدل ها با استفاده از روش انتخاب پیشرو صورت گرفته است تا تعداد ورودی های مدل تا حد امکان کاهش یابد. پس از مقایسه نتایج پیش بینی مدل ها، مشخص شد که اعمال روش انتخاب پیشرو با کاهش تعداد ورودی ها نه فقط حجم محاسبات را کاهش می دهد بلکه بر دقت مدل نیز می افزاید. درنهایت، مدل توسعه داده شده براساس گرادیان باد و گرادیان دما درحکم مدل برتر معرفی شده است.