پیش بینی غلظت بنزن هوای شهر تهران با استفاده از شبکه عصبی مصنوعی

تا کنون مدلهای زیادی برای تشریح فرآیند پیچیده آلودگی هوا پیشنهاد شده است. یکی از روشهای نوین در تشریح فرآیند آلودگی هوا شبکه های عصبی مصنوعی می باشد. این روش که یکی از شاخه های هوش مصنوعی به شمار می آید، به دلیل ساختار ریاضی غیرخطی و نیز پیش بینی قابل قبول در میان محققین رواج یافته است. این مطالعه به مقایسه نتایج حاصل از دو مدل متفاوت از شبکه های عصبی مصنوعی یعنی Radian Bases Function (RBF) و (Multi Layer Perceptron (MLP) در پیش بینی غلظت بنزن هوای شهر تهران با استفاده از داده های درجه حرارت ساعتی، سرعت باد و درصد رطوبت پرداخته است. پس از تعیین بهترین معماری در هر دو شبکه، مشاهده شد که نتایج حاصل از شبکه عصبی RBF از دقت قابل قبول تری نسبت به شبکه عصبی MLP برخوردار است. بدین ترتیب که در شبکه عصبی RBF ضریب همبستگی بین داده های پیش بینی و واقعی، 0.9077 و در شبکه عصبی MLP ضریب همبستگی 0.868 بدست آمد. در انتها نیز بین داده های ورودی تحلیل حساسیت صورت گرفت که مشخص گردید، درجه حرارت ساعتی بیشترین تاثیر را در بین سه پارامتر مذکور پیش بینی غلظت بنزن دارد.

کلیدواژه ها:

شبکه عصبی ، بنزن ، شبکه عصبی RBF ، پیش بینی کیفیت هوا و MLP