پیش بینی غلظت آلاینده های جوی در کلانشهر تهران بر اساس پارامترهای اقلیمی با استفاده از الگوریتم داده کاوی m5p

به دنبال صنعتی شدن و رشد روزافزون جمعیت، تهران چهارمین شهر آلوده ایران به شمار می رود. پیش بینی آلاینده های جوی در راستای اتخاذ تدابیر مدیریتی کارآمد به منظور کنترل ابعاد زیست محیطی مسئله آلودگی هوا خصوصاً بحث سلامت انسان، حائز اهمیت است. در مطالعات پیشین وجود ارتباط بین پارامترهای اقلیمی و عناصر آلاینده جو گزارش شده است. به واسطه تحلیل این ارتباط می توان الگوهای آینده آلاینده های جوی را پیش بینی نمود. در مطالعه حاضر رویکردهای داده کاوی نظر به قابلیت های کاربردی آن ها در خصوص استخراج اطلاعات ارزشمند از میان داده های بزرگ مدنظر قرار گرفت. پارامترهای اقلیمی دما، بارش، سرعت باد و رطوبت نسبی و عناصر آلاینده pm 2.5، pm 10، co، no2 و so2 در چارچوب مدل داده کاوی m5p، جهت پیش بینی غلظت آلاینده های مزبور استفاده شدند. برای نیل به هدف پژوهش، سری زمانی روزانه داده های ایستگاه های سینوپتیکی و آلوده سنجی شهر تهران در یک بازه زمانی 10 ساله (از 1388 تا 1398) استفاده شد. پس از پیاده سازی مدل m5p از طریق تشکیل درخت های تصمیم مبتنی بر قوانین اگر – سپس در مجموع 14 مدل خطی جهت پیش بینی عناصر آلاینده در محدوده شهر تهران استخراج گردید. ارزیابی و قیاس نتایج پیش بینی های m5p نسبت به مشاهدات واقعی آلاینده ها با استفاده از مدل های خطی، حاکی از صحت و عملکرد مطلوب آن است. پیرو نتایج ارزیابی عملکرد؛ میزان خطای پیش بینی برای آلاینده های pm 2.5، pm 10، co، no2 و so2 بر اساس آماره rmse به ترتیب 40/24، 16، 57/9، 62/10 و 12/5 برآورد گردید. از طرفی بین همبستگی متغیرهای ورودی و میزان خطای پیش بینی مدل یک رابطه معکوس مشاهده گردید. بر همین اساس بالاترین و کم ترین میزان صحت پیش بینی مربوط به so2 و pm 2.5 است. بطورکلی نتایج مطالعه حاضر بر پتانسیل بالای مدل m5p در خصوص پیش بینی آلاینده های جوی شهر تهران با استفاده از پارامترهای اقلیمی تاکید دارد.