پیش‌بینی غلظت آلاینده‌های گازی در هوای شهر تبریز با استفاده از شبکه عصبی

آلودگی هوا به عنوان یک چالش مهم در شهرهای بزرگ مطرح می­باشد که در نتیجه صنعتی شدن، گسترش شهرنشینی، رشد سریع ترافیک و افزایش فعالیت­های انسان تشدید شده است. آلاینده­های هوا باعث بروز اثرات منفی بر سلامت انسان و تخریب محیط زیست شده لذا آگاهی از غلظت آلاینده­ها می­تواند به عنوان اطلاعات کلیدی در برنامه­های کنترل آلودگی مورد استفاده قرار گیرد. روش­های متعددی برای پیش­بینی غلظت آلاینده­های هوا وجود دارد و در این میان، در سال­های اخیر پیشرفت قابل توجهی در توسعه مدل­های شبکه عصبی برای پیش­بینی غلظت آلاینده های هوا صورت گرفته است. در این مطالعه، از شبکه­های عصبی مصنوعی به منظور پیش­بینی غلظت آلاینده­هایCO، SO2 و NOXدر هوای شهر تبریز استفاده شده است. داده­های غلظت آلاینده­ها از ایستگاه سنجش ثابت مستقر در میدان نماز و داده­های هواشناسی شامل سرعت و جهت باد، دما و رطوبت هوا از اداره کل هواشناسی جمع­آوری شده و پس از نرمال­سازی به عنوان متغیرهای ورودی شبکه عصبی مورد استفاده قرار گرفت. تعداد 5-3 لایه مخفی و 25-8 نرون در هر لایه مخفی نتایج قابل قبولی داشته است. از تابع تانژانت سیگموئید به عنوان تابع انتقال و الگوریتم لونبرگ مارکوآت برای بهینه­سازی وزن­ها و بایاس­های شبکه استفاده شد. بر اساس نتایج به دست آمده، شبکه عصبی مصنوعی روشی قابل اعتماد برای پیش­بینی غلظت ساعتی آلاینده­های هوا بوده به طوری که، ضریب همبستگی بالای 90/0 بین غلظت آلاینده­های پیش­بینی شده و غلظت واقعی آلاینده­های CO، SO2 و NOX به دست آمد.