فهرست نشریات علمی دسترسی آزاد ایران

آلودگی هوا از مهم‌ترین چالش‌های کلان‌شهرها به شمار می‌رود و پیامدهای جدی بر سلامت انسان و پایداری محیط زیست بر جای می‌گذارد. به‌کارگیری روش‌های دقیق و هوشمند در پیش‌بینی وضعیت آلودگی هوا می‌تواند نقش مؤثری در تصمیم‌گیری‌های مدیریتی و کاهش اثرات آلاینده‌ها ایفا کند. در این پژوهش با هدف تحلیل عوامل مؤثر بر افزایش آلاینده‌های هوا در شهر همدان، یک مدل ترکیبی مبتنی بر شبکه عصبی بازگشتی (RNN) توسعه داده شد. داده‌های مربوط به دو سال و نیم متوالی گردآوری و پس از پیش‌پردازش، برای آموزش مدل به کار گرفته شدند. این مدل با استفاده از داده‌های مربوط به آلاینده‌های PM2.5، PM10، O₃، NO، NOx، NO₂، SO₂ و CO، در کنار پارامترهای جوی شامل دما، رطوبت، سرعت و جهت باد و همچنین داده‌های مرتبط با تردد خودروها و فرسودگی ناوگان حمل‌ونقل، توانست غلظت آلاینده‌ها را برای بازه زمانی ۲۴ ساعته آینده پیش‌بینی کند. نتایج نشان داد مدل پیشنهادی با دقتی بیش از ۹۷ درصد عملکردی قابل اعتماد داشته و می‌تواند به عنوان ابزاری کارآمد در مدیریت کیفیت هوا و حفاظت از سلامت عمومی مورد استفاده قرار گیرد.رشد سریع شهرنشینی، گسترش فعالیت‌های صنعتی، و افزایش وابستگی به وسایل نقلیه موتوری در شهرهای بزرگ و صنعتی، منجر به افت محسوس کیفیت هوا و تشدید آلودگی‌های زیست‌محیطی شده است. آلودگی هوا نه‌تنها سلامت انسان‌ها را تهدید می‌کند، بلکه آثار مخربی بر اکوسیستم‌ها و روند تغییرات اقلیمی دارد.