فهرست نشریات علمی دسترسی آزاد ایران

تهران آلوده‌ترین شهر کشور محسوب می‌شود که این آلودگی می‌تواند آثار دراز مدت و کوتاه مدتی بر سلامت انسان داشته باشد. از این‌رو پیش‌بینی غلظت آلاینده‌ها می‌تواند در برنامه‌ریزی‌های پیشگیری و کنترل مفید واقع شود. روشهای متفاوتی برای پیش‌بینی وجود دارد و دراین میان سالها، روش‌های شبکه‌ی عصبی پیشرفت قابل توجهی در پیش‌بینی آلودگی هوا داشته است. در این مطالعه، از شبکه‌ی عصبی مصنوعی پرسپترون سه‌لایه به‌منظور پیش‌بینی غلظت آلاینده‌های PM10، CO و شاخص کیفیت هوا (AQI) در هوای شهر تهران استفاده شد. داده‌های غلظت آلاینده‌ها از اداره‌ی کنترل کیفیت هوای تهران جمع‌آوری شد و داده‌های هواشناسی از اداره‌‌ی کل سازمان هواشناسی کشور طی سال‌های 1392 و 1393 جمع‌آوری شد. بیشترین ضریب همبستگی (R2) برای آلاینده PM10 با مقدار 0.83 در فصول گرم بود و بیشترین ضریب همبستگی آلاینده CO مربوط به فصول سرد بود (R2=0.74). در نهایت بیشترین ضریب همبستگی AQI در فصل سرد (R2=0.57) بود. در مدل رگرسیون خطی بیشترین ضریب همبستگی با مقدار 0.58 برای آلاینده PM10 در فصول گرم بود. بیشترین ضریب همبستگی در این مدل برای آلاینده CO با مقدار 0.33 در فصل سرد بود. درنهایت بیشترین ضریب همبستگی AOI (R2=0.31) در فصل گرم بود. این به این معنی است که با تغییرات متغیرهای هواشناسی، غلظت CO و ذرات معلق و مقادیر شاخص AQI تغییر می‌کند به گونه‌ای که افزایش باد باعث پراکنش آلاینده و کاهش غلظت آن می‌شود و افزایش درجه حرارت باعث افزایش غلظت آلاینده می‌شود. بنابراین بین آنها ارتباط وجود دارد.