پیشگویی سری های زمانی غلظت گاز رادیواکتیو رادن در هوا با استفاده از داده های اندازه گیری شده از سیستم های پایش بر مبنای اینترنت اشیاء و شبکه های عصبی مصنوعی

گاز رادیواکتیو رادن اولین عامل ابتلا به سرطان ریه در افراد غیرسیگاری است.امروزه اندازه گیری و پیشگویی غلظت انواع آلاینده ها ازجمله آلاینده های رادیواکتیو در شهر های هوشمند از اهمیت بالایی برخوردار است.هدف از این پژوهش، بررسی عوامل موثر بر غلظت گازرادن و استفاده از روشهای یادگیری ماشینی در پیشگویی غلظت این گاز در زمانها و شرایط محیطی مختلف می باشد.ابتدا غلظت این گاز و شرایط محیطی چون دما و فشار و رطوبت به مدت 6ماه اندازه گیری گردید.در نهایت با استفاده از شبکه های عصبی مصنوعی غلظت این گاز در شرایط محیطی مختلف پیشگویی شد ونتیجه پیشگویی های شبکه باسایر روش های یادگیری ماشینی مقایسه شد. نتایج نشان می دهد که رابطه ی ضعیفی بین غلظت گاز رادن در داخل ساختمان با دما و رطوبت وجود دارد. اما رابطه با ضریب همبستگی قوی(r>0.6)بین غلظت این گاز با دما و رطوبت مشاهده میشود. بر طبق نتایج، غلظت گاز رادن را میتوان با دقت خوبی توسط شبکه های عصبی مصنوعی تخمین زد. به طوری که ضریب همبستگی پیرسون برای کلیه داده ها بیشتر از0.9می باشد. امروزه در شهرهای هوشمند سیستم های پایش آلاینده ها به جمع آوری داده های مربوط به آلاینده های رادیواکتیو و غیر رادیواکتیو در داخل و خارج ساختمان ها با سیستم های مبتنی بر اینترنت اشیا می پردازند. با استخراج اطلاعات از این داده ها و پیشگویی غلظت این آلاینده ها می توان به ساکنان و مسئولان شهرها در مواقع لزوم هشدار ها و راهکارهای لازم جهت کاهش غلظت این گاز را داد.