مقایسه نتایج شبکه‌های عصبی پرسپترون چند لایه با رگرسیون چندگانه در پیش‌بینی غلظت ازن در شهر تبریز

Abstract

تبریز بعنوان یکی از پنج شهر بزرگ صنعتی و دومین شهر آلوده کشور به حساب می آید. مکانیابی مراکز صنعتی در غرب و جنوب غربی تبریز و وزش باد غالب در فصل‌های سرد از آن جهات، باعث آلودگی هوای شهر تبریز می‌شود. براساس اطلاعات اداره کل حفاظت محیط زیست استان آذر بایجان شرقی در سال 84، 60 درصد آلودگی هوای تبریز مربوط به صنایع سنگینی است که در جنوب غربی و غرب آن مکانیابی شده‌اند. در این مقاله یک مدل برمبنای رگرسیون چندگانه (روش خطی) و یک مدل دیگر بر اساس شبکه عصبی (روش غیرخطی) به منظور پیش بینی کوتاه مدت غلظت ازن برحسب شرایط آب و هوایی برای شهر تبریز ارایه شده و در ادامه به مقایسه نتایج به دست آمده از مدل خطی و غیر خطی پرداخته شده است. داده‌های هواشناسی این تحقیق شامل سرعت باد، رطوبت نسبی، جهت باد، درجه حرارت، بارندگی، فشار هوا، مقدار تابش و مقدار تبخیر از اداره هواشناسی تبریز (ایستگاه هواشناسی تبریز) و داده‌های آلودگی هوا (غلظت ازن) از اداره کل محیط زیست استان آذربایجان شرقی تهیه گردیده است. در این تحقیق داده‌های ماههای آذر و دی سال 1385 به صورت ساعتی مورد استفاده قرار گرفته است. داده‌های آلودگی هوا از میانگین چهار ایستگاه اندازه گیری موجود در تبریز، به دست آمده است. برای آموزش بهینه شبکه، پارامترهای هواشناسی در این پژوهش قبل از اینکه وارد شبکه شوند در محدوده 0 و 1 و غلظت آلودگی در محدوده 9/0- و 9/0 نرمالیزه شدند و از 1253 داده نرمالیزه شده 650 داده برای آموزش شبکه،404 داده برای تایید شبکه و 199 داده برای تست شبکه انتخاب گردید. نتایج به دست آمده نشان می‌دهند که مدل شبکه‌های عصبی توانایی بیشتری نسبت به روشهای خطی (رگرسیون چندگانه) داشته است. بطوریکه ضریب همبستگی در مدل رگرسیون چندگانه 45/0 در حالیکه ضریب همبستگی در شبکه‌های عصبی 91/0 بوده است.