مقایسه نتایج شبکه های عصبی پرسپترون چند لایه با رگرسیون چندگانه در پیش بینی غلظت ازن در شهر تبریز

تبریز بعنوان یکی از پنج شهر بزرگ صنعتی و دومین شهر آلوده کشور به حساب می آید. مکانیابی مراکز صنعتی در غرب و جنوب غربی تبریز و وزش باد غالب در فصل های سرد از آن جهات، باعث آلودگی هوای شهر تبریز می شود. براساس اطلاعات اداره کل حفاظت محیط زیست استان آذر بایجان شرقی در سال ۸۴، ۶۰ درصد آلودگی هوای تبریز مربوط به صنایع سنگینی است که در جنوب غربی و غرب آن مکانیابی شده اند. در این مقاله یک مدل برمبنای رگرسیون چندگانه (روش خطی) و یک مدل دیگر بر اساس شبکه عصبی (روش غیرخطی) به منظور پیش بینی کوتاه مدت غلظت ازن برحسب شرایط آب و هوایی برای شهر تبریز ارایه شده و در ادامه به مقایسه نتایج به دست آمده از مدل خطی و غیر خطی پرداخته شده است. داده های هواشناسی این تحقیق شامل سرعت باد، رطوبت نسبی، جهت باد، درجه حرارت، بارندگی، فشار هوا، مقدار تابش و مقدار تبخیر از اداره هواشناسی تبریز (ایستگاه هواشناسی تبریز) و داده های آلودگی هوا (غلظت ازن) از اداره کل محیط زیست استان آذربایجان شرقی تهیه گردیده است. در این تحقیق داده های ماههای آذر و دی سال ۱۳۸۵ به صورت ساعتی مورد استفاده قرار گرفته است. داده های آلودگی هوا از میانگین چهار ایستگاه اندازه گیری موجود در تبریز، به دست آمده است. برای آموزش بهینه شبکه، پارامترهای هواشناسی در این پژوهش قبل از اینکه وارد شبکه شوند در محدوده ۰ و ۱ و غلظت آلودگی در محدوده ۹/۰- و ۹/۰ نرمالیزه شدند و از ۱۲۵۳ داده نرمالیزه شده ۶۵۰ داده برای آموزش شبکه،۴۰۴ داده برای تایید شبکه و ۱۹۹ داده برای تست شبکه انتخاب گردید. نتایج به دست آمده نشان می دهند که مدل شبکه های عصبی توانایی بیشتری نسبت به روشهای خطی (رگرسیون چندگانه) داشته است. بطوریکه ضریب همبستگی در مدل رگرسیون چندگانه ۴۵/۰ در حالیکه ضریب همبستگی در شبکه های عصبی ۹۱/۰ بوده است.

کلیدواژه ها:

ازن. ، پرسپترون چندلایه ، پیش بینی آلودگی های هوایی ، رگرسیون چندگانه ، شبکه عصبی مصنوعی