رسول آتشی دلیگانی؛ مینا مرادی زاده؛ بهنام تشیع
چکیده
ازن نزدیک به سطح زمین یکی از آلاینده‌های بسیار خطرناک است که تأثیرات زیان‌بار درخور توجهی در سلامت ساکنان مناطق شهری دارد. هدف از این مطالعه شناسایی عوامل مؤثر در غلظت ازن و مدل‌سازی تغییرات آن، با استفاده از داده‌های ماهواره‌ای و روش‌های گوناگون یادگیری ماشین در شهر تهران است. بدین‌منظور داده‌های غلظت آلاینده‌ها، داده‌های ...
بیشتر
ازن نزدیک به سطح زمین یکی از آلاینده‌های بسیار خطرناک است که تأثیرات زیان‌بار درخور توجهی در سلامت ساکنان مناطق شهری دارد. هدف از این مطالعه شناسایی عوامل مؤثر در غلظت ازن و مدل‌سازی تغییرات آن، با استفاده از داده‌های ماهواره‌ای و روش‌های گوناگون یادگیری ماشین در شهر تهران است. بدین‌منظور داده‌های غلظت آلاینده‌ها، داده‌های هواشناسی و دمای سطح خاک، طی بازة زمانی بین سال‌های 2015 تا 2021، به‌کار رفت. پس‌از محاسبة همبستگی بین غلظت ازن و پارامترهای مستقل، طی پنج حالت متفاوت، با پارامترهای ورودی و روش یادگیری متفاوت و به‌کارگیری پالایش داده‌‌ها، غلظت ازن مدل‌سازی شد. در حالت اول و دوم، مدل‌سازی با استفاده از داده‌های غلظت آلاینده‌ها و داده‌های هواشناسی با روش رگرسیون خطی چندمتغیره انجام شد. تنها تفاوت این دو حالت، پالایش داده‌های ورودی به‌شیوة WTEST در روش دوم است. در حالت سوم، دمای سطح خاک به داده‌های ورودی افزوده شد و در حالت چهارم و پنجم، به‌ترتیب مدل‌سازی ازن با استفاده از شبکة عصبی چندلایه‌ای و شبکة عصبی بازگشتی انجام شد. مقایسة این حالت‌ها نشان داد که مدل‌سازی‌های مراحل اول تا پنجم، به‌ترتیب با ضریب تعیین تعدیل‌شدة 5/0، 64/0، 69/0، 74/0 و 8/0 توانایی بازیابی غلظت ازن را داشته‌اند. همچنین مشخص شد در بین آلاینده‌های گوناگون، مونوکسید نیتروژن، دی‌اکسید نیتروژن، نیتراکس و از میان داده‌های هواشناسی دما، رطوبت و سرعت باد بیشترین تأثیر را در غلظت ازن دارند. افزودن دمای سطح خاک به داده‌های ورودی نیز افزایش پنج‌درصدی دقت را در برآورد غلظت ازن، به‌همراه داشت.
