ارزيابي انتشار گرد و غبار با استفاده از مدل شبكه عصبي مصنوعي شهرستان كاشان

سابقه و هدف: امروزه پديده‌هاي گردوغباري در رديف مهم‌ترين مخاطرات محيطي قرارگرفته و سلامتي انسان و محيط زيست را با خطر جدي مواجه كرده است. گردو غبار در جو به عنوان يكي از آلاينده‌هاي هوا، آثار سوء و پيامدهاي منفي گوناگوني دارد كه از بين آن‌ها مي‌توان به كاهش رشد و بازدهي محصولات كشاورزي، تشديد خسارات ناشي از بروز آفات و بيماري‌هاي گياهي، افزايش تصادفات جاده اي به علت كاهش قدرت ديد، لغو پروازها و خسارات مالي ناشي از آن، اقزايش هزينه درمان، تعطيلي واحدهاي صنعتي، آلودگي منابع آب، افزايش فرسايش بناها، افت بازدهي سيستم‌هاي فتوولتايك خورشيدي به دليل كدورت هوا اشاره كرد. بنابراين، به دليل اهميت موضوع گردوغبار و به منظور پيش بيني نحوه انتشار گرد و غباراز مدل شبكه عصبي مصنوعي استفاده شد. با استفاده از اين مدل مي‌توان اطلاعات مفيد و مقرون به صرفه‌اي، جهت اجراي آتي استراتژي‌هاي كنترل آلودگي هوا و كاهش هزينه‌ها كسب نمود.مواد و روش ها: براي مدلسازي پراكنش گرد و غبار با استفاده از مدل شبكه عصبي مصنوعي، آمار و اطلاعات هواشناسي ايستگاه سينوپتيك شهرستان كاشان كه به صورت روزانه توسط اداره محيط زيست در سال 96 ثبت شده‌اند، استفاده گرديد. داده هاي رطوبت، دما، سرعت باد و جهت باد به عنوان داده هاي ورودي براي مدلسازي بكار گرفته شد. فرآيند آموزش مدل با استفاده از تابع عضويت سيگموئيدي در محيط نرم افزار متلب انجام شد كه خروجي اجرا مدل پيش بيني ميزان ذرات معلق 2.5 ميكرومتر بر مترمكعب است. به منظور ارزيابي صحت مدل اجرا شده، ميزان ذرات معلق 2.5 حاصل شده با داده هاي واقعي نمونه برداري شده در محيط مقايسه شد. در مدل شبكه عصبي، تعداد نرون ها در لايه پنهان و تعداد دور يا ايپاك مناسب براي رسيدن به بهترين ساختار شبكه عصبي، با كمترين خطا براي هر مدل، با استفاده از روش سعي و خطا مشخص شد. تعداد نرون و ايپاك براي مدل در سال 2017 به ترتيب 15 و 37000 مي‌باشد.نتايج و بحث: نتايج صحت سنجي مدل كه از مقايسه داده‌هاي واقعي با داده‌هاي شبيه سازي شده بدست آمده، نزديك به 80 درصد مي باشد. بررسي نمودار ميانگين رگرسيون نشان مي دهد كه مقادير پيش بيني شده حاصل از مدل به محور قطري نزديكترند و پراكندگي نداشته و با مقادير اندازه گيري شده فاصله و اختلاف چنداني ندارند. همچنين براساس نتايج روش رگرسيون گام به گام مشخص شد كه از بين چهار متغيير استفاده شده براي مدلسازي رطوبت نسبي بيشترين تاثير و اهميت در مدلسازي انتشار گرد و غبار دارد.نتيجه گيري: با توجه به صحت و نتايج حاصل مي‌توان از اين روش براي پيش بيني انتشار آلودگي هوا كاشان ناشي از ذرات معلق استفاده كرد.  به دليل قابليت بالاي شبكه عصبي پرسپترون در پيش بيني ميزان غلظت و نحوه انتشار گردوغبار، اين مدل مي‌تواند يك راه حل مناسب و سريع در پيش بيني ميزان و انتشار گردوغبار و مديريت آن باشد.