بررسی تأثیر عناصراقلیمی برآلودگی هوای شهر مشهد با استفاده ازمدل شبکه عصبی

نوع مقاله: مقاله علمی -پژوهشی

نویسندگان

1 مرکز تحقیقات گردشگری، واحد نجف آباد، دانشگاه آزاداسلامی، نجف آباد، ایران

2 دانشیار دانشگاه پیام نور، تهران، ایران

3 گروه جغرافیا، دانشکده علوم انسانی، دانشگاه فردوسی، مشهد، ایران

چکیده

شهر مشهدازجمله شهرهای آلوده ایران می باشدکه عوامل متعددی درآلودگی آن نقش دارندازجمله عناصراقلیمی که دراین مقاله موردبررسی قرارگرفته است. به این منظور دادههای مربوط به آلودگی هوا (منوکسید کربن، دی اکسید نیتروژن، دی اکسید گوگرد، ازن و ذرات معلق (PM10) به صورت روزانه وازسال 1384 تاسال 1390 ازاداره کل محیط زیست خراسان رضوی تهیه گردیدو برای بررسی تاثیرعناصراقلیمی برآلودگی ازداده های هواشناسی شامل حداقل وحداکثردما، حداقل وحداکثررطوبت، جهت وسرعت بادازایستگاه سینوپتیک مشهداستفاده گردید. دراین پژوهش از شبکه‌های عصبی با ساختارهای مختلف همانند پرسپترون استفاده شد وسعی ­گردید تا بهترین و کاراترین شبکه با تعیین مقدار خطای آن انتخاب و مورد استفاده قرارگیرد. در نهایت جهت انتخاب مدل مناسب و بهینه از شاخص­های R2 و RMSE استفاده گردید. نتایج برآوردها نشان داد روش رگرسیون هیچ برآورد درستی از روزهای آلوده ندارد اما روش شبکه عصبی در 25 درصد موارد برآورد درست‌تری از روزهای آلوده دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Study of Climatic Elements Effect on Air Pollution of Mashhad City Using Neural Network Model

نویسندگان [English]

  • Tahereh Soltani gord Faramarzi 1
  • Amir Gandomkar 1
  • Hooshmand Ataei 2
  • Abbas Mofidi 3
  • Mohsen Baghri Bedagh Abadi 1
1 Tourism Research Center, Najafabad Branch, Islamic Azad University, Najafabad, Iran
2 Associate professor of Payamnoor University, Tehran, Iran
3 Department of Geography, Faculty of Humanities, Ferdowsi University, Mashhad, Iran
چکیده [English]

Abstract
The city of Mashhad is one of the polluted cities in Iran so that various factors Playing the role in its pollution such as climate elements that studied as one of these factors. For this purpose, the data related to the air pollution (carbon monoxide, nitrogen dioxide, sulfur dioxide, ozone and particulate matters (PM10)) was provided daily by environment department of Razavi Khorasan province from 2003 to 2009. To study the impact of climate elements on the pollution, the meteorology data including minimum and maximum temperature, minimum and maximum humidity, direction and speed of wind from the synoptic station of Mashhad was used. In this survey, neural networks with different architectures like Perceptron were used and it was tried to select the best and most efficient network and to use through determining its error value. Finally, in order to select a suitable and optimum model, R2 and RMSE indices were used. In this research, meteorology parameters and the data related to the day before pollution were considered as the input data and to polluted days as the output data. The results of evaluations showed that regression method provides no proper evaluation on polluted days but neural network method more accurate evaluation on polluted days for 25% of the cases. However, it seems that except climatic elements, the other important factors such as the number of vehicles and their traffic have an important impact on the air pollution of Mashhad.

کلیدواژه‌ها [English]

  • Keywords: climatic elements
  • Air pollution
  • Mashhad City
  • Artificial Neural Network

 بهنیافر، ابوالفضل، قنبرزاده، هادی، بررسی عوامل وپارامترهای مؤثر برآلودگی هوادرشهرمشهد،1389، دانشگاه آزاداسلامی واحدمشهد

بداقپور، سیامک، چرخستانی، امیر،1387، پیش بینی میزان غلظت آلاینده‌های هوای تهران با استفاده ازشبکه عصبی. مجله علوم وتکنولوژی محیط زیست، دوره سیزدهم، شماره یک، بهار 90

جهانشیری، مهین،1389، بررسی آماری-همدید آلودگی هوای مشهدسال 1388، پایان نامه کارشناسی ارشد، دانشگاه سبزوار

رحیمی، اکبر،1385، بررسی آلودگی هوادرقسمت مرکزی و صنعتی تبریز با استفاده از شبکه عصبی پرسپترون چندلایه، دانشگاه تبریز

صدرموسوی، میرستار، رحیمی، اکبر،1388 مقایسه نتایج شبکه‌های عصبی پرسپترون چند لایه بارگرسیون چندگانه درپیش بینی غلظت ازن درشهرتبریز، پژوهش‌های جغرافیای طبیعی، شماره 71، بهار، ص 65-72

علیجانی، بهلول، نجفی نیک، زهرا،1388، بررسی الگوهای سینوپتیکی اینورزن درمشهدبااستفاده ازتحلیل عاملی، مجله جغرافیاوتوسعه ناحیه‌ای، شماره دوازدهم،

علیاری شوره دلی، مهدی، تشنه لب، محمد، خاکی صدیق، علی،1387، پیش بینی کوتاه مدت آلودگی هواباکمک شبکه‌های عصبی پرسپترون چندلایه، خط حافظه دارتاخیر، گاماو Anfis باروش های ترکیبی آموزشی مبتنی بر pso. جهاددانشگاهی

فهیمی فرد، سیدمحمد، افشار، فهیمه، بررسی واندازه گیری آلودگی هوای شهرمشهد،1389، دومین کنفرانس برنامه ریزی ومدیریت شهری

قربانی، محمد، علی فیروز زارع،1388، ارزش گذاری ویژگیهای مختلف آلودگی هوا در مشهد، مجله تحقیقات اقتصادی، شماره 89، صص 241-215

موسوی، محمود، بحر پیما، سارا، رضازاده، رضا (1382). بررسی آلودگی هوای ناشی ازسه نیروگاه موجود در شهر مشهد با استفاده از مدل گوس، چهارمین همایش ملی انرژی،

محمدی، حسین،1385، ارتباط عناصراقلیمی وآلاینده های هوای تهران بامرگ ومیرهای ناشی از بیماریهای قلبی (دوره مطالعاتی 1999-2003)، مجله پژوهشهای جغرافیایی، شماره 58، زمستان

Chelani,A.B:Chalapati R,C,V:Phadke,K,M; Hasan,M.Z,2002. Prediction of sulphur dioxide concentration using artificial neural neworks.Environmental Modelling &Software 21,430-446

Niska,Harri,Rantamaki,Minna,Hiltunen,Teri,Karppinen.Ari,Kukkonen,Jaakko,Ruuskanen,Juhanni,Kolehmainen,Mikko,2005, Evaluation of an integrated modelling system containing a multi-layer perceptron model and the numerical weather prediction model HIRLAM for the forecasting of urban airborne pollutant concentrations Elsevier

Martín, M.L. Turias.I.J,Gonzalez.F.J,Galindo,P.L.Trujillo,F.J,Puntonet,C.G,Gorriz,.M.J2007, Prediction of CO maximum ground level concentrations in the Bay of Algeciras, Spain using artificial neural networks. Elsevier

Yildirim. Yilmaz, Bayramoglu, Mahmut,2005, Adaptive neuro-fuzzy based modelling for prediction of air pollution daily levels in city of Zonguldak. Elsevier

Hiltunen, Teri, Karppinen, Ari, Ruuskanen, Juhani,, Kolehmainen,, Mikko,2004, Evolving the neural network model for forecasting air pollution time series,. Elsevier

Trizio, Livia, Di Gilio, Alessia Pey, Jorge, Pérez, Noemi, Cusack, Michael, Alastuey, Andrés, Querol, Xavier,2013, Neural network model for the prediction of PM10 daily concentrations in two sites in the Western Mediterranean,. Elsevier

G. Dorffner, Neural Networks for Time Series Processing, Neural Network World, Vol. 4, pp. 447-468,1996.

Sundar De, Syam, Chattopadhyay, Goutami, Bandyopadhyay, Bijoy, Paul, Suman2011. Approche par calcul neuronal pour la prévision de la température mensuelle maximum sur Kolkata, Inde, par utilisation de la concentration maximum d’ozone total en tant que prédicteur Approche. Elsevier

Hájek, Petr, Olej, Vladimír,2012, Ozone prediction on the basis of neural networks, support vector regression and methods with uncertainty,. Elsevier

Sheela.Gnana.K,Deeppa,S.N,2013,Neural network based hybrid computing model for wind speed prediction,. Elsevier