مقايسه كاربرد شبكه عصبي مصنوعي، درخت تصميم، رگرسيون مؤلفه‌هاي اصلي و رگرسيون خطي چندگانه جهت مدل‌سازي شاخص كيفيت هواي شهري

شاخص كيفيت هوا ابزار كليدي جهت آگاهي از كيفيت هوا، نحوۀ اثر آلودگي هوا بر سلامت و روش‌هاي محافظتي در برابر آلودگي هوا است. هدف اصلي اين تحقيق مدل‌سازي و برآورد شاخص كيفيت هوا از طريق شبكه عصبي مصنوعي، درخت تصميم، رگرسيون خطي چندگانه و رگرسيون مؤلفه‌هاي اصلي است. جهت محاسبه شاخص كيفيت هوا از داده‌هاي هواشناسي و آلودگي هواي ثبت شده در ايستگاه تجريش و قلهك شهر تهران در دوره زماني 1385 تا 1390 استفاده شد. به منظور ارزيابي عملكرد مدل‌هاي برآوردگر از شاخص‌هاي آماري خطا، همبستگي و صحت استفاده شد. نتايج تحقيق نشان داد كه مدل‌ شبكه عصبي در هر دو ايستگاه از عملكرد بهتري نسبت به ساير مدل‌ها برخوردار است، به نحوي كه در ايستگاه قلهك 006/0RMSE=، 004/0MAE=، 99/0 IA=و در ايستگاه تجريش 004/0 RMSE=، 002/0 MAE=، 1 IA=بود. مدل درخت تصميم بعد از مدل شبكه عصبي عملكرد مطلوبي از خود نشان داد و مدل رگرسيون خطي چندگانه بعد از مدل شبكه عصبي و درخت تصميم عملكرد بهتري نسبت به مدل‌ رگرسيون مبتني بر تحليل مؤلفه‌هاي اصلي ارائه نمود. روش تحليل مؤلفه‌هاي اصلي علي‌رغم آنكه توانست همبستگي بين داده‌هاي ورودي و تعداد پارامترهاي ورودي به مدل را كاهش دهد باعث بهبود عملكرد مدل رگرسيون نشد.