بررسی توانایی انواع شبکه های عصبی مصنوعی در پیش بینی میزان آلاینده های CO,NO2,SO2 هوای کلانشهر تبریز

با توجه به تاثیر چشمگیر آلودگی هوا بر محیط زیست و سلامت انسان ها و افزایش میزان آلاینده ها در دهه های گذشته، بررسی و پیش بینی میزان این آلودگی می تواند کمک شایانی به مدیران شهری در امر تصمیم گیری نماید. در این مقاله به پیش بینی میزانCO,NO2,SO2 هوای کلانشهر تبریز با استفاده از سه نوع شبکه عصبی مصنوعی چند لایه پیشخور و چهار مدل الگوریتم آموزشی پس انتشار خطا پرداخته شده است. در این راستا داده های هوا شناسی بهار سال 90 (شامل بیشینه و کمینه دما، بیشینه و کمینه رطوبت هوا، سرعت و جهت باد، میزان بارش و فشار هوا، به عنوان ورودی و میزان آلاینده های CO,NO2,SO2 به عنوان خروجی شبکه های عصبی در نظر گرفته شدند. پیش بینی آلودگی هوای بهار سال 91 بر اساس این شبکه و مقایسه آن با داده های واقعی نشان می دهد که دقت پیش بینی 70 الی 75 درصد بوده است.

کلیدواژه ها:

آلودگی هوا ، شبکه های عصبی مصنوعی ، پارامترهای هواشناسی ، شبکه عصبی چند لایه ی پیشخور ، پس انتشار خطا