مدل‌سازی غلظت ساعتی مونوکسیدکربن با استفاده از رگرسیون مؤلفه‌های اصلی و شبکه عصبی بهینه شده با الگوریتم رقابت استعماری

Document Type: Research Paper

Authors

1 دانشجوی کارشناسی ارشد مهندسی محیط زیست گرایش آلودگی هوا/ کارشناس شهرداری

2 عضو هیئت علمی گروه محیط زیست دانشگاه یزد

3 عضو هئیت علمی گروه مدیرت مناطق خشک و بیابانی/دانشگاه یزد

Abstract

مونوکسیدکربن یکی از عوامل عمده آلودگی هوای کلان‌شهر تهران است. هدف اصلی این تحقیق، شبیه‌سازی غلظت میانگین ساعتی مونوکسیدکربن در هوای شهر تهران با استفاده از دو مدل رگرسیون مؤلفه‌های اصلی و شبکه عصبی بهینه شده با الگوریتم رقابت استعماری است. از روش تحلیل مؤلفه‌های اصلی برای از بین بردن همبستگی بین متغیرهای ورودی و تفسیر بهتر نتایج مدل رگرسیونی استفاده شد. همچنین با استفاده از یک شبکه عصبی پس‌انتشار با یک لایه پنهان و استفاده از الگوریتم رقابت استعماری به عنوان الگوریتم آموزش نیز مدلی مناسب برای این امر ایجاد شد. برای شبیه‌سازی غلظت مونوکسیدکربن از داده‌های ساعتی سال‌های 1386 و 1387 ایستگاه تجریش واقع در شمال تهران استفاده شد. برای ارزیابی نتایج مدل‌های مذکور، ریشه میانگین مربعات خطا (RMSE)، میانگین مطلق خطا (MAE)، میانگین مربعات خطا (MSE) و ضریب همبستگی (R) در مدل شبکه عصبی برای مرحله آزمون به ترتیب 050/0 ، 0346/0 ، 0025/0 و 746/0 به‌دست آمده که در مقایسه با مدل رگرسیون مؤلفه‌های اصلی (0856/0RMSE=، 0619/0MAE=، 0075/0MSE= و 501/0R=) حاکی از برتری مطلق نتایج شبکه عصبی بهینه شده با الگوریتم رقابت استعماری نسبت به مدل رگرسیون مؤلفه‌های اصلی است.

Main Subjects