مدلسازی و تحلیل مکانی زمانی پراکنش ازن در سطح شهر تهران بر پایه شبکه عصبی و آنالیز های مکانی در محیط Gis

آلودگی هوا یکی از مهم ترین معضلاتی است که امروزه مردم در کلان شهرها با آن روبرو هستند. ذرات معلق، مونوکسید کربن، دی اکسید گوگرد، ازن و دی اکسید نیتروژن پنج آلاینده اصلی هوا می باشند که مشکلات زیادی برای سلامت انسان به همراه دارند. اگر بتوان نقش پارامترهای هواشناسی را در میزان و نحوه پخش ازن، مشخص و مدل کرد، می توان از نتایج آن در مدیریت بهتر این آلاینده استفاده کرد. در این مطالعه هدف، ارائه ی راهکاری مکانمند برای مدلسازی و تحلیل مکانی و زمانی پراکنش ازن بر پایه آنالیزهای gis ای با استفاده از هوش مصنوعی باتوجه به پارامترهای هواشناسی می باشد.با توجه به داده های دریافتی مربوط به آلاینده ازن شهر تهران، با بررسی دقت روش های مختلف درون یابی، روش idw به عنوان بهترین روش درون یابی برای تهیه نقشه میزان غلظت این آلاینده ها در سطح تهران انتخاب شد. با توجه به داده های روزانه این آلاینده ها در سال های 94، 95 و 96، نقشه های روزانه و میانگین ماهانه و سالانه غلظت آنها تهیه گردید. با توجه به بررسی های انجام شده می توان گفت بیشترین غلظت آلاینده ازن در مناطق جنوب غربی قسمت هایی از بخش مرکزی شهر مشاهده می شود.سرانجام یک شبکه عصبی برپایه ی داده های ورودی برای پیش بینی میزان آلاینده ازن با توجه به پارامترهای هواشناسی توسعه داده شد، که دقت این شبکه با توجه به داده های این آلاینده در سال 96، برای روزهای گرم سال حدود 68 و برای روزهای سرد 77 درصد برای آلاینده ازن بدست آمد.و می توان گفت پارامترهای هواشناسی درجه حرارت، سرعت و جهت باد و میزان بارش در کنارهم در میزان غلظت آلاینده ازن تاثیرگذار هستند.

Modeling and Spatio-Temporal Analysis of the Distribution of O3 in Tehran City Based on Neural Network and Spatial Analysis in GIS Environment

Air pollution is one of the most problems that people are facing today in metropolitan areas. Suspended particulates, carbon monoxide, sulfur dioxide, ozone and nitrogen dioxide are the five major pollutants of air that pose many problems to human health. The goal of this study is to propose a spatial approach for estimation and analyzing the spatial and temporal distribution of ozone based on GIS analysis and multi perceptron neural network.In the first step, by considering the accuracy of different interpolation methods, IDW method was selected as the best interpolation method for mapping the concentration of ozone in Tehran. according to the daily data of these pollutants, the daily, monthly, and annual mean concentrations maps were prepared for years 2015, 2016 and 2017. According to the results, it can be said that the highest concentrations of ozone are found in the southwest and parts of the central part of the city.Finally, a neural network was developed to predict the amount of ozone pollutants according to meteorological parameters.According to the data of ozone pollutants in year 2018, the accuracy of neural network for hot and cold days of year were about 68% and 77% respectively. Therefore, it can be said that the meteorological parameters of temperature, wind speed and direction, and precipitation are significantly related to the concentration of O3 pollutant.