آموزش شبکۀ عصبی مصنوعی با نسخۀ آشوب‌گونۀ الگوریتم جستجوی گرانشی و کاربرد آن در پیش‌بینی آلاینده‌های هوا: مطالعۀ قیاسی

امروزه پیش‌بینی آلودگی هوا در نواحی شهری، به‌دلیل تاثیر آن بر روی سلامتی انسان، یکی از موضوعات مهم در پژوهش‌های زیست‌محیطی است. با وجود اهمیت بسزای موضوع آلودگی هوا، داده‌های نقاط اندکی در دسترس بوده و اندازه‌گیری آن برای تمام نقاط موردنظر ناممکن است. به‌ همین ‌علت، تاکنون مدل‌های مختلفی برای پیش‌بینی آلودگی هوا معرفی شده‌اند. در این مقاله، 10 ویژگی‌ مهم از مجموع 20 ویژگی مربوط به داده‌های سازمان هواشناسی و موثر در پیش‌بینی آلودگی هوا، توسط نسخۀ دودویی الگوریتم جستجوی گرانشی انتخاب شده‌اند. در ادامه، با استفاده از نسخۀ آشوب‌گونۀ الگوریتم جستجوی گرانشی، یک شبکۀ عصبی به‌منظور پیش‌بینی آلاینده‌های هوای شهر تهران آموزش داده شده است. برای ارزیابی کارایی شبکۀ عصبی آموزش‌‌دیده، عملکرد آن در پیش‌بینی میزان آلاینده‌های هوای شهر تهران، در شرایط کاملاً یکسان با پنج روش دیگر که در آن‌ها شبکۀ عصبی با الگوریتم‌های جستجوی گرانشی استاندارد، پس‌انتشار خطا، اجتماع زنبورها، ترکیب الگوریتم‌های وراثتی با تبرید شبیه‌سازی‌شده، و بهینه‌سازی ازدحام ذرات آموزش دیده‌ است، مقایسه می‌شود. نتایج تجربی گویای برتری روش پیشنهادی در آموزش شبکۀ عصبی با هدف پیش‌بینی آلودگی است.