جمیل امان اللهی

مسائل زیست محیطی یکی ازاصلی ترین دغدغه های جهان امروز بوده و بی توجهی به آن مانع بزرگی برای توسعه پایدار ایجاد می نماید. آلودگی هوا یکی از اصلی ترین و زیانبارترین مشکلات در جوامع امروزی به حساب می آید که با افزایش روزافزون استفاده از وسایل نقلیه این امر تشدید می شود. کیفیت هوا به طور روزانه در حال تغییر است، حتی در مـواقعی که مقدار ورود آلاینده ها به هوا ثابت است عوامل تعیین کننـده تغییرات آب و هـوایی ماننـد سـرعت و جهـت بـاد، نیمـرخ حرارتی توده های هوا، مدت زمان دوام باد یا بارندگی به طور ویژه ای کیفیت هوا را تغییر می دهند. آگاهی از وضعیت کیفیت هوا روز آینده در بسیاری از موارد می تواند از بروز مشکلات و عواقب آن بر سلامت مردم یا ایجاد بیماری های حاد جلوگیری کند. برای دانستن کیفیت هوا از شاخص AQI استفاده می شود که ارتباط کیفیت هوا با سلامت انسان را به صورت کمی بیان می کند. سری داده های شاخص کیفیت هوا دارای مشخصات تصادفی، نامنظم و غیرثابت بوده و این امر کار پیش بینی AQI را با مشکل روبرو نموده و اغلب تکنیک تجزیه تکی نمی تواند به طور کامل این داده ها را مدیریت کند. بدین منظور در این پایان نامه از مدل هیبریدی تجزیه حالت تجربی تجمعی مکمل با نویز تطبیقی - تجزیه مد متغیر – شبکه عصبی رگرسیون عمومی (CEEMDAN-VMD-GRNN) بر پایه تکنیک تجزیه دومرحله ای برای پیش بینی کیفیت هوای شهر ارومیه استفاده شده است. داده های مربوط به کیفیت هوای شهر ارومیه شامل ذرات معلق کمتر از 10 میکرون (PM10)، ذرات معلق کمتر از 2.5 میکرون(PM2.5)، دی اکسید کربن(CO2)، دی اکسید سولفور(SO2)، دی اکسید نیتروژن(NO2) و مونو اکسید نیتروژن(NO) طی سال های 1397-1395 از اداره کل حفاظت محیط زیست و داده های هواشناسی شامل میانگین حداقل دما (MinT)، میانگین حداکثر دما (MaxT)، میانگین فشار جوی (AP)، بارش کل روزانه (PR)، رطوبت نسبی روزانه سطح هوا (RH) و سرعت باد روزانه (WS) در دوره زمانی 1397-1395 از اداره کل هواشناسی استان آذربایجان غربی تهیه گردید. در این مدل سری داده های اصلی خام ابتدا توسط مدل حالت تجربی تجمعی مکمل با نویز تطبیقی به هشت تابع مد ذاتی و یک باقی مانده تجزیه و در مرحله دوم اولین تابع مد ذاتی با فرکانس بالا با مدل تجزیه مد متغیر به 9 سیگنال جزئی تر تجزیه می شود. در مرحله پایانی با کمک مدل پیش بینی شبکه عصبی رگرسیون عمومی، شاخص کیفیت هوای یک روز آینده پیش بینی می شود. به منظور بررسی میزان دقت و عملکرد مدل پیشنهادی، این مدل با مدل های (CEEMDAN-ELM , CEEMDAN-GRNN , VMD-ELM , VMD-GRNN , CEEMDAN-VMD-ELM ) مقایسه شد که پس از بررسی نتایج مشخص شد با مقادیر معیارهای ارزیابی خطا شامل 1275/4 = RMSE ، 9901/2 = MAE و آماره 98/0 = R2 در مرحله آموزش و 4472/5 = RMSE ، 8740/3 = MAE و آماره 74/0 = R2 در مرحله آزمون، مدل پیشنهادی نسبت به سایر مدل ها دارای دقت و عملکرد بهتری می باشد.