|
چکیده
|
آلودگی هوا همواره به عنوان یکی از چالش های اساسی شهر های ایران مطرح می باشد. عوامل مختلفی در وقوع آلودگی هوا و تغییر کیفیت هوای شهر سنندج نقش دارند که یکی از این عوامل، اقلیم محل و حالات جوی است که باعث تقویت پتانسیل آلودگی هوا می شود. در این مطالعه بر اساس مدل های رگرسیون چند متغیره، رگرسیون مولفه های مبنا، شبکه عصبی پرسپترون چندلایه، شبکه عصبی رگرسیون تعمیم یافته و سیستم استنتاج تطبیقی عصبی - فازی به پیش بینی غلظت آلاینده ها بر حسب پارامتر های فصلی و عمودی جو پرداخته شد. پارامتر های جوی (فصلی و عمودی) این مطالعه شامل (دما، گرادیان دما، رطوبت نسبی، مولفه-های مداری و نصف النهاری باد) از طریق پایگاه داده جهانی تحت عنوان مرکز پیش بینی میان مدت جو برای بازه زمانی 21/3/2011 تا 21/12/2017 تهیه و داده های آلودگی هوا (غلظت مونوکسیدکربن، ازن، دی اکسیدگوگرد، ذرات معلق کمتر از 10 و 5/2 میکرون) برای بازه زمانی مذکور از اداره کل محیط زیست استان کردستان جمع آوری گردید. لازم به ذکر است که داده های مستقل برای سطوح ارتفاعی (2m, 925mb, 850mb, 700mb) جمع آوری گردید. برای آموزش بهینه شبکه، پارامتر های جوی و غلظت آلاینده ها قبل از ورود به شبکه نرمال گردید. از کل داده های نرمال شده 80 درصد برای آموزش، 20 درصد برای آزمون انتخاب گردید. نتایج بدست امده نشان داد که مدل سیستم استنتاج تطبیقی عصبی - فازی توانایی و عملکرد بالایی نسبت به سایر مدل ها جهت پیش بینی کیفیت هوای شهر سنندج داشته است. همچنین مشخص شد که از بین پارامتر های فصلی و عمودی جو گرادیان دما نقش کلیدی در تغییر کیفیت هوای شهر سنندج دارد.
|