رسول آتشی دلیگانی؛ مینا مرادی زاده؛ بهنام تشیع
چکیده
ازن نزدیک به سطح زمین یکی از آلاینده‌های بسیار خطرناک است که اثرات زیانبار قابل توجهی برای ساکنین مناطق شهری دارد. هدف از این مطالعه شناسایی عوامل موثر بر غلظت ازن و مدلسازی تغییرات آن با استفاده از داده‌های ماهواره‌ای و روش‌های مختلف یادگیری‌ماشین در شهر تهران می‌باشد. بدین منظور داده‌های غلظت آلاینده‌ها، داده‌های هواشناسی ...
بیشتر
ازن نزدیک به سطح زمین یکی از آلاینده‌های بسیار خطرناک است که اثرات زیانبار قابل توجهی برای ساکنین مناطق شهری دارد. هدف از این مطالعه شناسایی عوامل موثر بر غلظت ازن و مدلسازی تغییرات آن با استفاده از داده‌های ماهواره‌ای و روش‌های مختلف یادگیری‌ماشین در شهر تهران می‌باشد. بدین منظور داده‌های غلظت آلاینده‌ها، داده‌های هواشناسی و دمای‌سطح‌خاک برای بازه‌زمانی بین سال‌های 2015 تا 2021 مورد استفاده قرار‌گرفت. پس از محاسبه همبستگی بین غلظت ازن و پارامترهای مستقل، طی پنج حالت مختلف، با پارامترهای ورودی و روش یادگیری متفاوت و بکارگیری پالایش داده‌‌ها، مدلسازی غلظت ازن انجام پذیرفت. در حالت اول و دوم، مدلسازی با استفاده از داده‌های غلظت آلاینده‌ها و داده‌های هواشناسی با روش رگرسیون خطی چند متغیره انجام شد. تنها تفاوت این دو حالت، پالایش داده‌های ورودی به روش WTEST در روش دوم می باشد. در حالت سوم، دمای‌سطح‌خاک به داده‌های ورودی افزوده شد و در حالت چهارم و پنجم به ترتیب مدلسازی ازن با استفاده از شبکه عصبی چند لایه‌ای و شبکه عصبی بازگشتی صورت گرفت. مقایسه این حالت‌ها نشان داد که مدلسازی‌های مراحل اول تا پنجم به ترتیب با ضریب تعیین تعدیل شده 0.5 ،0.64 ،0.69 ،0.74 و 0.8 توانایی بازیابی غلظت ازن را داشته‌اند. همچنین مشخص شد که در بین آلاینده‌های مختلف، نیتروژن‌مونوکسید ، نیتروژن‌دی‌اکسید ، نیتراکس و در بین داده‌های هواشناسی دما، رطوبت و سرعت باد بیشترین تاثیر را بر روی غلظت ازن دارند. هم چنین اضافه نمودن دمای‌سطح‌خاک به داده‌های ورودی، افزایش 5 درصدی دقت را در برآورد غلظت ازن به همراه داشت.
