TY - JOUR ID - 58635 TI - توسعه مدل پیش‌بینی غلظت ازن در هوا با استفاده از شبکه عصبی مصنوعی JO - نشریه محیط زیست طبیعی JA - JNE LA - fa SN - 2008-7764 AU - رفیع پور, مهرداد AU - آل شیخ, علی اصغر AU - علیمحمدی, عباس AU - صادقی نیارکی, ابوالقاسم AD - دانشگاه خواجه نصیر AD - استاد/دانشگاه خواجه نصیر AD - دانشیار/دانشگاه خواجه نصیر AD - استادیار/دانشگاه خواجه نصیر Y1 - 2016 PY - 2016 VL - 69 IS - 1 SP - 47 EP - 60 KW - ازن KW - مدلسازی KW - تحلیل مؤلفه‌های اصلی KW - شبکه عصبی DO - 10.22059/jne.2016.58635 N2 - با توجه به مضرات ازن بر سلامت انسان و محیط‌زیست و افزایش آن در دهه‌های گذشته، بررسی و پیش‌بینی میزان آن در هوا از اهمیت بالایی برخوردار است. پیش‌بینی غلظت ازن در هوا می تواند برای پیشگیری و کنترل توسط مسئولان استفاده شود. در این مقاله پارامترهای مهم و تأثیرگذار بر غلظت ازن با استفاده از داده‌های پایش کیفیت هوا ایستگاه‌های آزادی و امام خمینی طی سال‌های 2009 تا 2010، بررسی شده است. در این راستا متغیرهای هواشناسی شامل رطوبت‌نسبی، دما، فشار، سرعت و جهت باد با غلظت ازن به کمک همبستگی خطی و تحلیل مؤلفه‌های اصلی تحلیل شد. مطالعه همبستگی بین متغیر‌های مختلف هواشناسی با غلظت ازن نشان داد که غلظت ازن تحت تأثیر پارامترهای رطوبت نسبی، دما و سرعت باد است. تأثیر پارامترهای رطوبت نسبی و دما را می‌توان با توجه به عملکرد فتوشیمیایی و نقش این فرآیند در تولید ازن توصیف کرد. در حالی که همبستگی ازن با پارامتر سرعت باد نشان‌دهنده انتقال ازن از مناطق دیگر است. در ادامه سعی شد از یک شبکه عصبی پرسپترون چندلایه جهت پیش‌بینی غلظت ازن استفاده شود. ورودی های این شبکه عبارتند از رطوبت نسبی، دما و سرعت باد که قبلآً تأثیر آنها بر غلظت ازن اثبات شده است. نتایج اجرای شبکه عصبی توسعه داده شده در ایستگاه‌های میدان آزادی و امام خمینی در تهران نشان داد که مدل طراحی شده میزان غلظت ازن را با دقت 67 تا 97 درصد در 24 ساعت آینده تخمین می زند. نتایج این تحقیق و مدل توسعه داده شده می‌تواند برای مدیریت بهتر آلودگی هوا و کنترل غلظت ازن توسط مدیران شهری مورد استفاده قرار گیرد. UR - https://jne.ut.ac.ir/article_58635.html L1 - https://jne.ut.ac.ir/article_58635_2b14c9fabe8da2fcea0f375833db69eb.pdf ER -