فهرست نشریات علمی دسترسی آزاد ایران

در سال‌‌های اخیر تعداد روزهای با غلظت بالای ذرات معلق (PM) در شهر همدان بسیار افزایش یافته است. با توجه به شدت بیشتر این پدیده در فصل زمستان، برای مدیریت اثرات بهداشتی و محیط‌زیستی آن در این فصل کوشیده شده است تا با استفاده از شبکه عصبی مصنوعی (ANN) ابزاری بهینه برای پیش‌بینی زود هنگام آن ارایه گردد. برای بررسی عوامل تاثیرگذار بر غلطت PM زمستانه شهر همدان، داده‌های زمستانه آلاینده‌های هوا و پارامترهای هواشناسی با همبستگی پیرسون مورد تحلیل قرار گرفت. سپس بر اساس نتایج حاصل، شبکه عصبی پرسپترون چندلایه(MLP-ANN) بهینه شده بر اساس آزمون و آزمایش مدل‌سازی و مقادیر PM پیش‌بینی شد. در بین عوامل هواشناسی و کیفی هوا، متغیرهای کیفی هوا دارای همبستگی بیشتری با غلظت PM زمستانه بودند. ANN در مدلی با 3 لایه ورودی، 1 لایه پنهان و 4 پردازنده لایه میانی با دقت بالای 90% میزان PM2.5 و مدلی با یک لایه ورودی، یک لایه پنهان و 5 پردازنده لایه میانی با دقتی بالای 90% میزان PM10 را پیش‌بینی نمود. باوجود قرارگیری کوه الوند بین باد غالب نواحی غربی کشور و شهر همدان تاثیر عوامل هواشناسی بر غلظت PM کم می‌‌باشد. همچنین افزایش PM زمستانه شهر می‌‌تواند ناشی افزایش مصرف سوخت و تولید آلاینده‌‌های حاصل از احتراق در زمستان باشد. ابزار MLP-ANN با کمترین و دردسترس ترین داده‌‌ها دارای قابلیت پیش‌بینی زود هنگام میزان PM می‌‌باشد و می‌‌توان از آن برای کنترل اثرات PM بهره گرفت.