داده‌کاوی نقش آلاینده‌های هوا (نیترات و نیتریت اکسید) در تغییرات دما و بارش ایستگاه سینوپتیک تبریز با استفاده از یادگیری ماشین شبکۀ عصبی پرسپترون چندلایه و رگرسیون لجستیک

نویسندگان

1 استاد، آب‌وهواشناسی، دانشکدۀ برنامه‌ریزی و علوم محیطی، دانشگاه تبریز

2 دانشجوی دکتری آب‌وهواشناسی، دانشکدۀ برنامه‌ریزی و علوم محیطی، دانشگاه تبریز

3 استاد، سنجش ‌از دور و سامانۀ اطلاعات جغرافیایی، دانشکدۀ برنامه‌ریزی و علوم محیطی، دانشگاه تبریز

doi
10.22059/ije.2024.373685.1803
چکیده

هدف از این تحقیق، داده‌کاوی نقش آلاینده‌های هوا (نیترات و نیتریت اکسید)، در تغییرات عناصر دما و بارش 24 ساعته در ایستگاه سینوپتیک تبریز است. مواد و داده‌های به‌کاررفته در این تحقیق از دو منبع متفاوت‌اند. داده‌‌های درجه‌حرارت و بارش از ایستگاه هواشناسی سینوپتیک تبریز به‌صورت ساعتی برای مدت 31 سال و داده‌های آلاینده‌های‌ هوای تبریز (نیترات و نیتریت اکسید) از سازمان محیط‌زیست تبریز اخذ شده است. در ارتباط با داده‌های آلایندۀ هوا می‌توان گفت این داده‌ها توسط زبان برنامه‌نویسی R یادگیری ماشین شبکۀ عصبی پرسپترون چند‌لایه شبیه‌سازی ‌شده است. در ادامه، روش‌های یادگیری از رگرسیون لجستیک با هدف پیش‌بینی اثرات آلاینده‌ها در تغییرات دما و بارش استفاده شد. در مدل لجستیک، دما و بارش به‌عنوان متغیر‌های وابسته و غلظت نیترات و نیتریت اکسید به‌عنوان متغیرهای پیش‌بین مستقل انتخاب شدند. کل داده‌ها در تحلیل وارد شد و مدل لجستیک معنی‌دار بود. مجذور کای در نیترات و نیتریت اکسید برابر ‌‌‌‌‌‌‌‌348/01 محاسبه شد که در سطح خطای کمتر از 0/05 معنی‌دار بود. متغیرهای مستقل مذکور توانسته‌اند بین 84 تا 60 درصد از تغییرات را که منجر به  افزایش دما و کاهش بارش شده بود، به‌درستی تبیین کنند. 78/2 درصد از ماه‌هایی که تغییرات نداشتند، درست طبقه‌بندی شدند و 97/2 درصد از پیش‌بینی‌ها دربارۀ تغییرات دما و بارش صحیح بود. درکل، 90/9 درصد از پیش‌بینی‌ها درست تخمین زده شده است. نتایج نشان داد که آلاینده‌ها اثر معنی‌داری روی افزایش دما و کاهش بارش در ایستگاه سینوپتیک تبریز دارد. بیشترین و کمترین میزان نیترات اکسید به‌ترتیب در ماه‌های شهریور و اسفند، نیتریت در شهریور و اردیبهشت، دما در تیر و دی و بارش در فروردین و مرداد مشاهده‌ شده است.