مدلسازی آلاینده دی اکسیدنیتروژن شهر تهران بااستفاده ازشبکه عصبی مصنوعی پرسپترون چند-لایه

Abstract

احتراق سوخت در دمای بالا موجب تولید آلاینده دی اکسید نیتروژن می‌شود که هسته اولیه تشکیل ازن و باران‌های اسیدی است. آلاینده‌های اولیه اکسیدهای نیتروژن و مجموع هیدروکربن‌ها در تولید ازن نقش دارند. تنفس این گاز خطرناک مشکلات ریوی فراوانی، از جمله التهاب ریوی، عفونت¬های تنفسی، ضعف بدن، درد قفسه سینه و غیره را برای انسان ایجاد می¬کند. لذا در این مقاله، از شبکه عصبی مصنوعی پرسپترون چند لایه به منظور پیش‌بینی و مدل‌سازی آلاینده دی اکسید نیتروژن در شهر تهران استفاده شده است. پارامترهایی چون سرعت باد، میزان بارش، تشعشع خورشید، میزان رطوبت هوا و رفتارهای اجتماعی-ترافیکی 10 سال اخیر شهر تهران به عنوان ورودی شبکه عصبی در نظر گرفته شده است که به صورت بازه زمانی 24 ساعته دریافت می‌شوند. اثر رفتار اجتماعی-ترافیکی شهر تهران نیز از طریق طبقه‌بندی و جداسازی داده‌های مربوط به ایام نوروز و لحاظ کردن پارامتر روز و ماه اعمال شده است. نتایج حاصل از مدل¬سازی نشان می¬دهد که الگوریتم بهینه برای آلاینده دی اکسید نیتروژن، تابع آموزشی لونبرگ-مارکوآت می¬باشد، چرا که مقدار میانگین مربعات خطای آن کمترین مقدار و ضریب همبستگی آن نسبت به بقیه الگوریتم-ها مطلوب¬تر است. همچنین، با مقایسه میانگین مربعات خطا و ضریب همبستگی، مشاهده شد که تعداد نرون بهینه برای لایه پنهان برابر 9 نرون است