پیش‌بینی آلودگی هوای شهر تهران با استفاده از ترکیب شبکه عصبی فازی ‌ـ تطبیقی وآنالیز مولفه اصلی

رشد و توسعه شهری و افزایش استفاده از وسایل نقلیه در سال‌های اخیر منجر به افزایش آلودگی هوا، به‌ویژه در شهر‌های بزرگ و صنعتی، شده است. با توجه به آثار نامطلوب آلودگی هوا در سلامت انسان‌ها و دیگر جانداران، پیش‌بینی و مدل‌سازی این پدیده پیچیده از دغدغه‌های اصلی محققان در سال‌های اخیر بوده است. هدف این تحقیق طراحی سیستمی است به‌منظور پیش‌بینی آلودگی هوا، طی 24 ساعت آینده، تا با شناسایی مناطق آلوده، به مدیران و برنامه‌ریزان شهری برای کنترل و کاهش میزان آلاینده‌ها کمک کند. در سیستم طراحی‌شده، از ترکیب آنالیز مولفه اصلی و شبکه عصبی فازی‌- تطبیقی (pca-anfis)، به‌منظور پیش‌بینی آلودگی هوا در فصل‌های متفاوت، استفاده شده است. در این سیستم، داده‌های هواشناسی و غلظت آلاینده‌ها در روزهای گذشته، برای پیش‌بینی آلودگی هوای شهر تهران در 24 ساعت آینده، به‌کار رفته است. همچنین، از پارامتر‌های مکانی مانند ارتفاع، توپوگرافی سطح زمین و فاصله از جاده به‌منظور مدل‌سازی مکانی پراکندگی آلودگی هوا استفاده شده است. نتایج حاصل از مقایسه روش ترکیبی pca-anfis با روش anfis دقت و سرعت بالاتر مدل ترکیبی طراحی‌شده را، به‌نسبت روش anfis در پیش‌بینی آلودگی هوا طی 24 ساعت آینده، بیان می‌کند.