داده کاوی نقش آلاینده های هوا (نیترات و نیتریت اکسید) در تغییرات دما و بارش ایستگاه سینوپتیک تبریز با استفاده از یادگیری ماشین شبکه عصبی پرسپترون چندلایه و رگرسیون لجستیک

هدف از این تحقیق، داده کاوی نقش آلاینده های هوا (نیترات و نیتریت اکسید)، در تغییرات عناصر دما و بارش 24 ساعته در ایستگاه سینوپتیک تبریز است. مواد و داده های به کاررفته در این تحقیق از دو منبع متفاوت اند. داده های درجه حرارت و بارش از ایستگاه هواشناسی سینوپتیک تبریز به صورت ساعتی برای مدت 31 سال و داده های آلاینده های هوای تبریز (نیترات و نیتریت اکسید) از سازمان محیط زیست تبریز اخذ شده است. در ارتباط با داده های آلاینده هوا می توان گفت این داده ها توسط زبان برنامه نویسی R یادگیری ماشین شبکه عصبی پرسپترون چند لایه شبیه سازی شده است. در ادامه، روش های یادگیری از رگرسیون لجستیک با هدف پیش بینی اثرات آلاینده ها در تغییرات دما و بارش استفاده شد. در مدل لجستیک، دما و بارش به عنوان متغیر های وابسته و غلظت نیترات و نیتریت اکسید به عنوان متغیرهای پیش بین مستقل انتخاب شدند. کل داده ها در تحلیل وارد شد و مدل لجستیک معنی دار بود. مجذور کای در نیترات و نیتریت اکسید برابر 348/01 محاسبه شد که در سطح خطای کمتر از 0/05 معنی دار بود. متغیرهای مستقل مذکور توانسته اند بین 84 تا 60 درصد از تغییرات را که منجر به  افزایش دما و کاهش بارش شده بود، به درستی تبیین کنند. 78/2 درصد از ماه هایی که تغییرات نداشتند، درست طبقه بندی شدند و 97/2 درصد از پیش بینی ها درباره تغییرات دما و بارش صحیح بود. درکل، 90/9 درصد از پیش بینی ها درست تخمین زده شده است. نتایج نشان داد که آلاینده ها اثر معنی داری روی افزایش دما و کاهش بارش در ایستگاه سینوپتیک تبریز دارد. بیشترین و کمترین میزان نیترات اکسید به ترتیب در ماه های شهریور و اسفند، نیتریت در شهریور و اردیبهشت، دما در تیر و دی و بارش در فروردین و مرداد مشاهده شده است.