تخمین غلظت نیتروژن دی اکسید(NO2) با استفاده از مدل شبکه عصبی GRNN

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه محیط زیست-دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 دانشجوی کارشناسی ارشد ،دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

10.22034/jest.2018.21493.3052

چکیده

زمینه و هدف: امروزه به دلیل استفاده روز افزون از وسایل نقلیه و کارخانه ها غلظت آلاینده های هوا به ویژه دی اکسید نیتروژن تشدید شده است و باعث بروز مشکلات قلبی و تنفسی در سلامتی انسان شده است. از این رو هدف از این مطالعه استفاده از مدل شبکه عصبی (GRNN) در تخمین غلظت دی اکسید نیتروژن بود.
روش بررسی: در این مطالعه تخمین غلظت آلاینده‌ دی اکسید نیتروژن با استفاده از شبکه‌‌عصبی‌مصنوعی، در سال‌های 1391 و 1392 بررسی شد. موثر‌ترین متغیرهای هواشناسی با استفاده از رگرسیون گام ‌به ‌گام انتخاب شدند. سپس غلظت NO2 با استفاده از GRNNتخمین زده شدند.
یافته ها: نتایج نشان داد که روند تغییرات مقادیر شبیه‌سازی شده و اندازه‌گیری شده مشابه است و بهترین عملکرد در این توابع برای تخمین غلظت NO2 مربوط به تابع سیگموئید می‌باشد که از لحاظ آماره 0.053=RMSE بهتر از تابع GRNN می‌باشد. نتایج حاصل از آنالیز حساسیت نشان داد که در ایستگاه پونک و شهرداری 16 متغیر سرعت باد، در ایستگاه پردیسان متغیر بارش و در سایر ایستگاه‌ها مقدار دما اثر‌گذارترین متغیر‌ها بر غلظت NO2 می‌باشند.
بحث و نتیجه گیری: نتایج حاصل از بررسی وضعیت کیفیت هوا به صورت سالانه نشان داد که در سال‌های 1391 و 1392، به ترتیب 147 و 160 روز کیفیت هوای شهر تهران از حد استاندارد تجاوز کرده است که به ‌ترتیب 82/0%، 02/59%، 89/39% و 27/0% از روزهای سال 1391 و 82/0%، 34/55% و 84/43% از روزهای سال 1392 کیفیت هوا به ترتیب پاک، سالم، ناسالم و بسیار ناسالم بوده‌اند. در موارد تجاوز کیفیت بهداشتی هوا از حد استاندارد، نقش آلاینده‌ دی اکسید نیتروژن در سال 1391 و 1392، صفر درصد بوده است.همچنین می توان از مدل شبکة عصبی به علت تفسیرپذیری و قابل درک بودن آن به عنوان یک مدل کارآمد جهت مدل سازی و پیش بینی غلظت آلاینده‌های هوا استفاده نمود.

کلیدواژه‌ها

موضوعات