پیش‌بینی کوتاه‌مدت آلودگی ذرات معلق شهر اهواز با کمک شبکه‌های عصبی

نویسندگان

1 استادیار گروه اقتصاد دانشکده مدیریت و اقتصاد دانشگاه تربیت مدرس

2 دانشجوی کارشناسی ‌ارشد اقتصاد انرژی دانشگاه تربیت‌مدرس

doi
چکیده

آلودگی هوای شهرها یکی از مهم‌ترین معضلات محیط‌زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و محیط‌زیست می‌باشد. بررسی‌های گسترده نشان می‌دهد، آثار بالقوه آلودگی هوا بر سلامت انسان شامل: افزایش مرگ و میر، افزایش مراجعه به بیمارستان، افزایش تغییرات در عملکرد فیزیولوژیکی بدن به‌ویژه عملکرد تنفسی و قلبی- عروقی بوده است. ذرات معلق یکی از شش آلاینده بسیار خطرناک بوده که صدمات جبران ناپذیری را به بدن انسان وارد می‌کنند. این آلاینده، متشکل از موادی مانند: اسیدها، فلزات و گرد و غبار می‌باشد. از جمله ذرات معلق مهم که سبب آلودگی شدید هوا می‌شود، می‌توان به PM10 اشاره کرد. PM10 به ذرات معلق 10 میکرونی گفته می‌شود که از ترکیب اکسید نیتروژن و دی‌اکسیدگوگرد در جو زمین تشکیل می‌شوند. بر اساس گزارش سازمان بهداشت جهانی، شهر اهواز با میانگین سالانه 372 میکروگرم بر مترمکعب PM10، به عنوان آلوده‌ترین شهر دنیا مقام اول را بین 1100 شهر کسب کرده است. بنابراین، در این مطالعه با استفاده از داده‌های ماکزیمم آلودگی ذرات معلق 10 میکرونی که به صورت سری زمانی 24 ساعته تهیه شده به منظور پیش‌بینی میزان آلودگی این آلاینده در هوای شهر اهواز مورد استفاه قرار گرفته است. یک شبکه با تاخیر زمانی نیز که با الگوریتم یادگیری LMS آموزش داده شده است طراحی و غلظت انتشار این آلاینده برای مهرماه 1390، پیش‌بینی شده است.