پیشبینی غلظت آلایندگی ازن با استفاده از شبکه عصبی پایه شعاعی با نظارت الگوریتمهای تکاملی

یکی از چالشهای زیستمحیطی اساسی در کلان شهرها مسأله آلودگی هواست. این مسأله در کلان شهری مانندتهران بهعلت حجم ترافیک بالا، استفاده از خودروهای غیراستاندارد، احتراق ناقص سوختهای مورد استفاده خودروها وبیتوجهی که طی سالهای گذشته نسبت به آلودگی هوا صورت گرفته، اهمیت بخصوصی پیدا کرده است. پیشبینی غلظت روزانه آلایندههای هوا اولین گام اساسی در برنامهریزی کاهش اثرات آنها است. در این مقاله، ابتدا به پیشپردازشدادههای جمعآوری شده)شامل مراحل پاکسازی دادهها، نرمالسازی خطی و انتخاب ویژگی( پرداخته و در ادامه آموزش شبکه عصبی پایهای- شعاعی با استفاده از الگوریتم تکاملی بهینهسازی ازدحام ذرات بهمنظور پیشبینی میزان غلظت ازنانجام میشود و خطای حاصل از آن با خطای شبکه عصبی آموزش داده شده توسط الگوریتمهای تکاملی دیگر همچونالگوریتم کرم شبتاب و الگوریتم ژنتیک مقایسه میشود. نتایج نشان میدهد که شبکه عصبی پایهای- شعاعی آموزش یافته با الگوریتم بهینهسازی ازدحام ذرات با میانگین مربعات خطای 0.001 . و 0.0026 بهترتیب در آموزش و آزمایش میتواند پیشبینی میزان غلظت ازن را با خطای کمتری انجام دهد که نشاندهنده برتری مدل پیشنهادی از لحاظ میزان خطا در قیاس با الگوریتمهای تکاملی دیگر است

کلیدواژه ها:

الگوریتم تحلیل مؤلفههای اصلی ، الگوریتم بهینهسازی ازدحام ذرات ، الگوریتم ژنتیک ، الگوریتم کرم شبب- تاب ، شبکه عصبی پایهای- شعاعی