مقایسه دقت مدل رگرسیون بردار پشتیبان با دو روش رایج شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در پیش بینی غلظت آلاینده PM10
نویسندگان
1 دانشکده فنی مهندسی، گروه کشاورزی، واحد یزد، دانشگاه آزاد اسلامی یزد، ایران
2 استادیار گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس
3 دانشیار محیط زیست، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد،
4 دانشیار محیط زیست، دانشکده فنی مهندسی، گروه کشاورزی، واحد یزد، دانشگاه آزاد اسلامی یزد، ایران
doi
10.22059/jne.2021.307289.2041چکیده
شهر یزد واقع در مرکز ایران می باشد که در اکثر ایام سال طوفان های گرد و غبار را تجربه می کند، و همچنین طی دو دهه گذشته شاهد رشد سریع صنعتی بخصوص در صنایع با توان غبار زایی بالا (کاشی، فولاد و ..) بوده است، لذا پیش بینی غلظت آلاینده ذرات از طریق بکارگیری سیستم های پیش آگاهی دقیق در زمان طوفان های گرد و غبار و آلودگی های صنعتی برای حفظ بهداشت و سلامت شهروندان بسیار حیاتی است. در این مطالعه بطور همزمان از مدل شبکه عصبی فازی تطبیقی (ANFIS)، رگرسیون بردار پشتیبان (SVR) و شبکه عصبی مصنوعی (ANN) در پیش بینی میزان غلظت آلاینده PM10 برای 24 ساعت آینده و معرفی دقیق ترین روش استفاده شد. به همین منظور داده های PM10 شهر یزد به همراه پارامتر هواشناسی شهر در بازه زمانی سال های 1394 تا 1398 مورد استفاده قرار گرفت. نتایج این تحقیق نشان داد که مدل ANFIS با (R2=0.989) و دقتی در حدود 99 درصدی بهتر از سایر مدل ها در این حالت است و بعد از آن به ترتیب مدل ANN با (R2=0.978) و SVR با (R2=0.957) دارای بهترین دقت بودند. بنابراین می توان گفت، با توجه به صحت مدل ، از این مدل می توان برای پیش بینی غلظت آلاینده PM10 استفاده کرد و این امر می تواند مسئولین را در تصمیم گیری های به موقع در جهت حفظ سلامت عمومی قبل از شروع وضعیت هشدار غلظت آلاینده PM10 کمک کند.
