پیش بینی و مدلسازی غلظت آلاینده مونوکسیدکربن با تلفیق شبکه عصبی- فازی تطبیقی و سیستم اطلاعات جغرافیایی

امروزه آلودگی هوا اصلی‌ترین چالش محیطی در کلان ‌شهرها به ‌شمار می‌رود. بنابراین پایش و پیش بینی پارامتر های کیفیت هوا در مناطق شهری امری ضروری است. این مهم به عوامل متعددی از قبیل توپوگرافی، اقلیم، جمعیت و شبکه حمل ‌و ‌نقل بستگی دارد که نحوه تعامل این عوامل مکانی به عنوان پدیده‌‌ای دینامیک، غیرخطی و دارای ابهام عنوان شده است. در این تحقیق با به کارگیری شبکه فازی-عصبی و gis، دانش حاکم بر محیط را در قالب قوانین فازی، از داده‌ها استخراج نموده و با استفاده از این قوانین، غلظت آلاینده مونوکسیدکربن پیش‌بینی و مدلسازی شد. منطقه مورد مطالعه شهر تهران در نظر گرفته شد. برای انجام این کار داده‌های هواشناسی 6 ایستگاه پایش موجود در سطح شهر در فصل تابستان برای چهار سال متوالی به طور جداگانه به منظور آموزش شبکه مورد استفاده قرار گرفت. برای هر ایستگاه قوانین فازی (سوگنو و ممدانی) آن استخراج شده و غلظت آلاینده با استفاده از آن قوانین تخمین زده شد. به علت اینکه پیش‌بینی در ایستگاه‌ها صورت می‌گیرد، در نهایت برای مدلسازی مکانی غلظت در محدوده مورد مطالعه از روش لاگ کریجینگ استفاده شده است. میانگین جذر متوسط مربع خطا (rmse) مجموعه ایستگاه‌ها با قوانین سوگنو، ppm 445/1 و با قوانین ممدانی، ppm 374/1 به دست آمد.