پیش بینی غلظت ذرات گرد و غبار هوای شهر تهران با استفاده از شبکه عصبی مصنوعی

دراین پژوهش ازشبکه های عصبی مصنوعی (Artificial neura networks) به عنوان ابزاری توانمند درمدل سازی فرآیندهای غیرخطی ونامعین،به منظور پیش بینی میزان غلظت ذرات گرد و غبار شهر تهران استفاده شد.از نرم افزار MATLAB 7 و در شاخه Neural network برای پیش بینی کمک گرفته شد. ورودی های مدل ANN شامل داده های غلظت ذرات گرد و غبار،دمای هوا و سرعت باد در محدوده شهر تهران است که این داده ها بازه زمانی سال های 2006 تا 2010 را دربر می گیرند.اطلاعات چهار سال اول یعنی سال های 2006 تا 2009 برای آموزش مدل ها وداده های یک سال باقی مانده یعنی 2010 برای آزمایش آنها به کار رفته است.شبکه مورد استفاده از نوع پرسپترون چندلایه (Multi-Layer Perceptron) با الگوریتم پس انتشار خطا (Back Propagation) و تکنیکهای یادگیری Traingdm و Trainlm است. نتایج این تحقیق نشان می دهدمقایسه مقادیر پیش بینی شده با مقادیر داده های واقعی گزارش شده، همان طور که انتظار می رفت یکسان می باشد و این نشانگر کارایی این سیستم برای سایر پیش بینی ها می باشد و با استفاده از این شبکه می توان غلظت ذرات گرد و غبار را با دقت بالای 95 % پیش بینی کرد.

کلیدواژه ها:

پرسپترون چند لایه ، ذرات گرد و غبار ، شبکه عصبی ممصنوعی ، شهر تهران