مدلسازي و تحليل مكاني زماني پراكنش ازن در سطح شهر تهران بر پايه شبكه عصبي و آناليز هاي مكاني در محيط GIS

Modeling and Spatio-Temporal Analysis of the Distribution of O3 in Tehran City Based on Neural Network and Spatial Analysis in GIS Environment

آلودگي هوا يكي از مهم ترين معضلاتي است كه امروزه مردم در كلان شهرها با آن روبرو هستند. ذرات معلق، مونوكسيد كربن، دي اكسيد گوگرد، ازن و دي اكسيد نيتروژن پنج آلاينده اصلي هوا مي باشند كه مشكلات زيادي براي سلامت انسان به همراه دارند. اگر بتوان نقش پارامترهاي هواشناسي را در ميزان و نحوه پخش ازن، مشخص و مدل كرد، مي توان از نتايج آن در مديريت بهتر اين آلاينده استفاده كرد. در اين مطالعه هدف، ارائه ي راهكاري مكانمند براي مدلسازي و تحليل مكاني و زماني پراكنش ازن بر پايه آناليزهاي GIS اي با استفاده از هوش مصنوعي باتوجه به پارامترهاي هواشناسي مي باشد. با توجه به داده هاي دريافتي مربوط به آلاينده ازن شهر تهران، با بررسي دقت روش هاي مختلف درون يابي، روش IDW به عنوان بهترين روش درون يابي براي تهيه نقشه ميزان غلظت اين آلاينده ها در سطح تهران انتخاب شد. با توجه به داده هاي روزانه اين آلاينده­ها در سال هاي 94، 95 و 96، نقشه هاي روزانه و ميانگين ماهانه و سالانه غلظت آنها تهيه گرديد. با توجه به بررسي هاي انجام شده مي­توان گفت بيشترين غلظت آلاينده ازن در مناطق جنوب غربي قسمت هايي از بخش مركزي شهر مشاهده مي شود. سرانجام يك شبكه عصبي برپايه ي داده هاي ورودي براي پيش بيني ميزان آلاينده ازن با توجه به پارامترهاي هواشناسي توسعه داده شد، كه دقت اين شبكه با توجه به داده هاي اين آلاينده در سال 96، براي روزهاي گرم سال حدود 68 و براي روزهاي سرد 77 درصد براي آلاينده ازن بدست آمد.و مي توان گفت پارامترهاي هواشناسي درجه حرارت، سرعت و جهت باد و ميزان بارش در كنارهم در ميزان غلظت آلاينده ازن تاثيرگذار هستند.

Air pollution is one of the most problems that people are facing today in metropolitan areas. Suspended particulates, carbon monoxide, sulfur dioxide, ozone and nitrogen dioxide are the five major pollutants of air that pose many problems to human health. The goal of this study is to propose a spatial approach for estimation and analyzing the spatial and temporal distribution of ozone based on GIS analysis and multi perceptron neural network. In the first step, by considering the accuracy of different interpolation methods, IDW method was selected as the best interpolation method for mapping the concentration of ozone in Tehran. according to the daily data of these pollutants, the daily, monthly, and annual mean concentrations maps were prepared for years 2015, 2016 and 2017. According to the results, it can be said that the highest concentrations of ozone are found in the southwest and parts of the central part of the city. Finally, a neural network was developed to predict the amount of ozone pollutants according to meteorological parameters. According to the data of ozone pollutants in year 2018, the accuracy of neural network for hot and cold days of year were about 68% and 77% respectively. Therefore, it can be said that the meteorological parameters of temperature, wind speed and direction, and precipitation are significantly related to the concentration of O3 pollutant.