تخمين مقادير جاافتاده در سري‌هاي زماني داده‌هاي آلودگي هواي شهر تهران

امروزه آلودگي هوا به يكي از معضلات مهم در شهرهاي پرجمعيت تبديل‌شده است كه هرساله تعداد قابل‌توجهي از ساكنان شهرها را با مشكلات ريوي روبرو مي‌كند و مي‌تواند تأثيرات جبران‌ناپذيري بر سلامت شهروندان داشته باشد. دستگاه‌هاي ثبت آلودگي هوا در شهرها، آلودگي را به‌صورت ساعتي ثبت مي‌كنند. مشكلات فني پيش‌آمده براي اين دستگاه‌ها، در بعضي مواقع سبب مي‌شود بخشي از داده‌هاي مهم ثبت نگردند و درنتيجه آن، مقادير جاافتاده در داده هاي ايجاد مي‌گردد. در اين مطالعه به تخمين مقادير جاافتاده پرداخته‌شده است. اين مطالعه روي‌داده‌هاي آلودگي هواي شهر تهران شامل غلظت آلاينده‌هاي PM2.5، PM10، SO2، NO2، O3 و CO انجام‌شده است. در اين مطالعه الگوريتم LANN كه در تخمين و پيش‌بيني سري‌هاي زماني تك متغيره كاربرد دارد، استفاده‌شده است و مقاديرجاافتاده براي تمامي آلاينده‌ها پياده‌سازي و مقايسه شده است. هم‌چنين در بخشي ديگر از مطالعه، ساير آلاينده‌هاي محيطي در برآوردمقادير جاافتادهدر نظر گرفته‌شده‌اند كه با به‌كارگيري روش شبكه عصبي، تخمين مقادير جاافتاده براي همه آلاينده‌ها انجام‌شده است. همچنين براي بررسي و مقايسه الگوريتم ها از شاخص RMSE استفاده شده است. مقدار RMSE در روش LANN نسبت به ساير مدل‌هاي ساده‌تر شامل ميانگين، رگرسيون خطي و LOCF مقدار كمتري داشت به نحوي كه مقدار آن 30 تا 50 درصد، بسته به نوع آلاينده كمتر بوده است. همچنين الگوريتم شبكه عصبي نسبت به ساير روش‌ها در تخمين مقادير PM2.5، RMSE كمتري داشت و مقدار آن 7.78 بوده است.