پیش‌بینی روزانه غلظت کربن منوکسید با استفاده از مدل تلفیقی انتخاب پیشرو- عصبی فازی براساس تحلیل پایداری جوّ؛ بررسی موردی: شهر تهران

نویسندگان

1 دانشجوی دکتری، موسسه ژئوفیزیک، دانشگاه هامبورگ، آلمان

2 استادیار، دانشکده محیط زیست، دانشگاه تهران، ایران

3 دانشیار، گروه مهندسی برق و کامپیوتر، دانشکده فنی، دانشگاه تهران، ایران

4 استادیار، دانشکده محیط زیست، دانشگاه تهران، ایران

doi
10.22059/jesphys.2012.28443
چکیده

امروزه، آلودگی هوای کلان‌شهرها به یک چالش زیست‌محیطی اساسی تبدیل شده است. در مورد شهر تهران، که 90 درصد از وزن کل آلاینده‌های هوای آن از خودروها منتشر می‌شود، کربن منوکسید نسبت به بقیه آلاینده‌های هوا اهمیت بیشتری دارد، به‌طوری‌که بیش از 75 درصد وزن آلاینده‌های این شهر را دربر می‌گیرد. با توجه به اینکه تحلیل پایداری لایه سطحی جوّ، درحکم شاخص وضعیت تلاطمی آن، بیشترین اثر را در پراکنش آلاینده‌های هوا دارد، می‌تواند در پیش‌بینی آلودگی هوا مورد توجه قرار گیرد. در این تحقیق به‌منظور تحلیل وضعیت پایداری جوّ نزدیک سطح زمین، دو نگرش مورد توجه قرار گرفته است: در نگرش اول سرعت باد، درحکم شاخص تلاطم مکانیکی و تابش خورشیدی درحکم شاخص تلاطم همرفتی منظور شده و در نگرش دوم، مقیاس سرعت اصطکاکی، به‌منزلة شاخص تلاطم مکانیکی و گرادیان دما، به‌منزلة شاخص تلاطم همرفتی مورد توجه قرار گرفته‌ است. براساس این دو نگرش، دو مجموعه مدل عصبی- فازی به‌منظور پیش‌بینی غلظت روزانه کربن منوکسید در جوّ تهران توسعه داده شده‌اند که در هر مجموعه یک مدل بدون اِعمال انتخاب ورودی و یک مدل با اِعمال انتخاب ورودی درنظر گرفته‌ شده است. انتخاب ورودی مدل‌ها با استفاده از روش انتخاب پیشرو صورت گرفته است تا تعداد ورودی‌های مدل تا حد امکان کاهش یابد. پس از مقایسه نتایج پیش‌بینی مدل‌ها، مشخص شد که اِعمال روش انتخاب پیشرو با کاهش تعداد ورودی‌ها نه فقط حجم محاسبات را کاهش می‌دهد بلکه بر دقت مدل نیز می‌افزاید. درنهایت، مدل توسعه داده‌شده براساس گرادیان باد و گرادیان دما درحکم مدل برتر معرفی شده ‌است.