امکانسنجی امکان پیش بینی غلظت ذرات معلق با استفاده از شبکه عصبی (مطالعه موردی: شهر تبریز)

ذرات معلق یکی از آلاینده های مهم هوا است ، که بر سلامتی انسان تاثیرات منفی دارد. بدیهی است تخمین و پیش بینی غلظت این ذرات مهم است. در این تحقیق با استفاده از مقایسه شبکه عصبی مصنوعی پیش خور پس انتشار و شبکه عصبی مصنوعی بازگشتی (NAR,NARX) و فازی تطبیقی (ANFIS) به تخمین ذرات معلق شهر تبریز پرداخته شده است. در این تحقیق داده های هواشناسی و داده های کیفیت هوا طی سال های 1392تا 1396 مورد استفاده قرار گرفت. تخمین غلظت ذرات معلق با توجه به میزان بارش، سرعت باد، مقدار دما در هر مدل و نتایج مقایسه گردید. همچنین از داده های غلظت ذرات معلق 5/2 میکرومتر درایستگاه سنجش کیفیت هوای باغشمال تبریز استفاده شد. 50 درصد داده ها برای صحت سنجی و آزمون واز 50درصد داده ها در روند آموزش استفاده شد. با توجه به نتایج ، در حالت ایستا و بدون تغییرات فصلی شبکه عصبی NARX با ضریب همبستگی (R) 9995/0 و کمترین خطای میانگین مربعات (MSE) یعنی 005/0 بهینه ترین مدل این تحقیق شد.مقایسه نتایج مدل سازی با داده های واقعی نشان داد که بهترین پیش بینی متعلق به شبکه عصبی پیشخور پس انتشار است که با خطای 0007/0 نسبت به داده نرمال شده ، بهترین دقت را دارد و بعد از آن به ترتیب شبکه عصبی NARX و NAR و نهایتا شبکه فازی تطبیقی قرار دارند.