پیش بینی کوتاه مدت غلظت گاز مونو اکسید کربن در هوای شهر اهواز با استفاده از تحلیل شبکه های عصبی مصنوعی

مقدمه: آلودگی هوای شهر ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می باشد. از مهمترین آلاینده های هوا می توان به اکسیدهای نیتروژن به خصوص دی اکسیدنیتروژن، اکسید های سولفور به ویژه دی اکسیدسولفور، هیدروکربن ها، منواکسیدکربن (CO)، دی اکسیدکربن و ذرات معلق اشاره کرد.کلان شهر اهواز یکی از آلوده ترین شهر های ایران می باشد که مدیریت زیست محیطی به ویژه در زمینه آلودگی هوا بسیار با اهمیت می باشد. هدف از این پژوهش پیش بینی غلظت آلاینده CO در هفت روز ابتدای سال ۱۳۹۵ در شهر اهواز می باشد. مواد و روش ها: بر اساس مطالعات پیشین، متغیر های هواشناسی شامل دمای هوا، رطوبت هوا و سرعت باد به عنوان متغیر های ورودی موثر در شبکه برای پیش بینی غلظت گاز COانتخاب شدند. غلظت گاز CO در سال ۱۳۹۴ از طریق سازمان حفاظت محیط زیست شهر اهواز تهیه شد. به منظور توسعه شبکه عصبی پرسپترون چندلایه (MLP) از نرم افزار Neuro Solution۵ استفاده گردید. به منظور ایجاد شبکه عصبی، ۷۰ درصد از داده ها برای آموزش (واسنجی)، ۱۵ درصد برای تست و ۱۵ درصد باقیمانده برای آزمون صحت سنجی نتایج حاصل از شبکه مورد استفاده قرار گرفت. نتایج و بحث: به منظور تعین بهترین ساختار شبکه MLP برای پیش بینی کوتاه مدت غلظت گاز CO ساختارهای مختلف از لحاظ تعداد لایه های میانی، نوع الگوریتم آموزش شبکه، نوع تابع انتقال، تعداد نرون های لایه میانی و تعداد تکرار های آموزش در نظر گرفته شد. نتایج نشان داد که شبکه MLP با ساختار ۱-۵-۳ (یعنی ۳ نرون ورودی، ۵ نرون در لایه میانی و یک نرون برای لایه خروجی) با ۱۵۰۰ تکرار آموزش به ازای تابع انتقال تانزانت سیگموئید (Tansig) و الگوریتم آموزش کاهش گرادیان همراه با مومنتم (Traingdm)، بهترین شبکه MLP می باشد. علاوه بر این، مقادیر شاخص های آماری NSE، RMSE و MAE به ازای مرحله آموزش شبکه به ترتیب برابر با ۷۲/۰ ، ۲۲/۰ و ۱۵/۰ می باشد. نتیجه گیری: آلودگی هوا، چالش اصلی زیست محیطی در اهواز، از ترکیب ترافیک و صنایع نفتی ناشی می شود. تاثیرات بهداشتی و زیست محیطی آن نیازمند بررسی جامع است.در این تحقیق از شبکه MLP برای پیش بینی مقادیر غلظت گاز CO در هوای شهر اهواز استفاده شد. نتایج نشان می دهد که دقت و عملکرد شبکه در پیش بینی غلظت گاز CO در سطح مطلوب می باشد. در ادامه این تحقیق پیشنهاد می شود که پیش بینی غلظت دیگر الاینده های گازی انجام شود و برای تعیین ساختار بهینه شبکه عصبی مصنوعی از الگوریتم های بهینه سازی استفاده شود.

کلیدواژه ها:

پیش بینی کوتاه مدت ، غلظت گاز مونو اکسید کربن ، شبکه پرسپترون چند لایه ، آلودگی هوا