پيش بيني غلظت آلاينده نيتروژن دي اكسيد در كلان شهر تهران با استفاده از شبكه هاي عصبي

امروزه اهميت آلودگي هوا و خسارات آن بر سلامتي انسان ها، ساير موجودات و محيط زيست بر كسي پوشيده نيست. بر اساس آمار ارائه شده توسط سازمان بهداشت جهاني، آلودگي هوا به ميزان خطرناكي در بسياري از مناطق بالا مي باشد به طوري كه از هر 10 نفر در جهان، 9 نفر هوايي با سطوح آلودگي بالاتر از حدود مجاز تعيين شده توسط اين سازمان، تنفس مي كنند و نيز سالانه در حدود 7 ميليون نفر در اثر مواجهه با آلودگي هوا جان خود را از دست مي دهند. يكي از آلاينده هاي معياري كه اثرات مخرب زيادي بر سلامت و سيستم تنفسي داشته و مي تواند مرگ زودرس را نيز به همراه داشته باشد، آلاينده نيتروژن دي اكسيد است. ايستگاه‌هاي سنجش كيفيت هوا به صورت روزانه پارامترهاي مربوط به كيفيت هوا را اندازه‌گيري مي‌كنند اما در هر ايستگاه ممكن است به دلايل مختلفي مانند عوامل محيطي، نقص عملكردي دستگاه و يا قرار داشتن آن در فاز كاليبراسيون، در بازه هاي زماني خاصي ديتاي مورد نياز توليد نشود و يا به عبارتي مقادير از دست رفته ايجاد شود كه لازم است به شكل مناسب تخمين زده شوند. در اين تحقيق ما قصد داريم با استفاده از داده هاي ايستگاه هاي سنجش زميني در شهر تهران و آموزش شبكه عصبي عميق LSTM ، يك مدل پيش بيني آلودگي هوا بر اساس ميزان نيتروژن دي اكسيد (در شهر تهران) روزهاي قبل ايجاد كنيم كه بتوان از آن براي تخمين مقادير از دست رفته استفاده كرد. نتايج حاصل از ارزيابي نشان داد كه اين مدل كارايي بالايي در تخمين ميزان آلودگي بر اساس آلودگي روزهاي قبل دارد.