ارزیابی و پیش بینی میزان آلودگی ترکیبات آلی فرار در جایگاه‌های سوخت‌گیری با استفاده از مدل شبکه ی عصبی

نویسندگان

1 هیئت علمی دانشکده مهندسی شیمی، دانشگاه صنعتی سهند، تبریز، ایران

2 فارغ التحصیل کارشناسی ارشد دانشکده مهندسی شیمی، دانشگاه صنعتی سهند، تبریز، ایران

3 دانشجوی کارشناسی ارشد دانشکده مهندسی شیمی، دانشگاه صنعتی سهند، تبریز، ایران

4 دانشجوی دکتری دانشکده مهندسی شیمی، دانشگاه صنعتی سهند، تبریز، ایران

doi
10.22034/farayandno.2023.1988180.1911
چکیده

یکی از مهم­ترین آلاینده ­هایی که موجب آلودگی هوای شهرها می ­شود، ترکیبات آلی فرار بوده که باعث بروز عوارض فراوانی در افراد می­شوند. پمپ ­بنزین­ها و نیز خودروها از جمله مهم­ترین منابعی هستند که موجب تجمع این آلاینده ­ها می­ شوند و با توجه به افزایش روزافزون خودرو، پمپ­ بنزین­ها به مکانی خطرناک تبدیل شده که باید مورد توجه قرار گیرند. از آنجایی که آلودگی هوا یک فرآیند بسیار پیچیده بوده که وابسته به بسیاری از عوامل می ­باشد، بنابراین پیش‌بینی اینگونه داده ­ها که دارای دینامیک غیرخطی هستند، بسیار مشکل و پرهزینه است. در این پژوهش با جمع­ آوری داده ­های تجربی از سه پمپ بنزین در شهر زنجان و شناسایی پارامترهای تأثیرگذار، مدلسازی با استفاده از شبکه عصبی مصنوعی و با دو مدل پرسپترون چندلایه و تابع پایه شعاعی انجام گرفت. در قسمت آماری این پژوهش ضریب همبستگی و مجموع مربعات خطا به‌عنوان معیارهای لازم برای سنجش دقت دو مدل مذکور به کار گرفته شدند. نتایج و تحلیل­های انجام شده در این مطالعه نشان داد که آلودگی عمده حاصل از مصرف بنزین شامل دو مرحله، یکی زمان سوخت­گیری و دیگری بعد از سوخت بنزین می ­باشد. همچنین در فصل تابستان، غلظت ترکیبات آلی فرار بیشتر از زمستان بوده و نیز این میزان از آلودگی در دو زمان صبح و عصر بیشتر مشاهده می­ شود.