ارزيابي دقت مدل هاي رگرسيون چندگانه ، ARIMA و GRNN در پيش بيني غلظت ذرات معلقPM2.5 در شهر سنندج

وجود مشكلات و بحران هاي زيست محيطي در جهان باعث شده است تا طي نيم قرن گذشته اهميت بحث در مورد محيط-زيست و مسايل زيست محيطي بيشتر شود. در اين ميان آلودگي هوا به عنوان يكي از معضلات زيست محيطي ده هاي اخير در رديف يكي از زيان بار ترين بلاياي طبيعي قرار گرفته است. با توجه به اثر گذاري زيان بار ذرات معلق بر روي سلامت انسانها، پيش بيني مقدار غلظت اين ذرات در روزهاي آينده مي تواند سبب كاهش اين اثرات شود. لذا در اين مطالعه ازدقت مدل هاي خطي شامل رگرسيون خطي چند گانه (MLR) و خود رگرسيون ميانگين متحرك انباشته (ARIMA) و از مدل غير خطي شبكه عصبي رگرسيون عمومي (GRNN) براي پيش بيني ذرات معلق PM2.5 در شهر سنندج براي انتخاب دقيقترين مدل مورد آزمون قرار گرفت. مدل شبكه عصبي رگرسيون عمومي در اين مطالعه براي اولين بار است كه در ايران براي پيش بيني آلودگي اتمسفراستفاده مي شود. داده هاي مربوط به كيفيت هوا شامل PM10، SO2، NO2، CO، O3 و داده هاي مربوط به هواشناسي شامل ميانگين حداقل دما (MinT)، ميانگين حداكثر دما (MaxT)، ميانگين فشار جوي (AP)، بارش كل روزانه (PR)، رطوبت نسبي روزانه سطح هوا (RH) و سرعت باد روزانه (WS) مربوط به سال 1393 به عنوان متغير هاي مستقل و ميزان غلظت ذرات معلق PM2.5 به عنوان متغير وابسته در نظر گرفته شدند. نتايج نشان داد كه مدل شبكه عصبي رگرسيون عمومي با مقدار R2=0.81، RMSE=6.9468 و MAE=5در مرحله آموزش و مقدار R2=0.74، RMSE=5.0725و MAE=3.4874 در مرحله آزمون بهترين عملكرد را نسبت به مدل هاي خطي در پيش بيني ذرات معلق PM2.5در شهر سنندج داشته است.