پیش بینی آلودگی ذرات معلق در هوای تهران جهت اعمال استراتژی های محدودیت ترافیک با استفاده از شبکه های عصبی پرسپترون

چکیده مقاله

آلودگی هوا در کلان شهرها خصوصاً تهران یکی از معضلات شهری محسوب می گردد اطلاع از وضعیت آلودگی قبل از پیش آمدن شرایط ناسالم، امکان اعمال استراتژی های محدودیت ترافیک مانند طرح و زوج وفرد جهت جلوگیری از وقوع آلودگی را فراهم می نماید در این تحقیق با استفاده از شبکه عصبی پرسپترون با توجه به عوامل موثر بر کاهش و افزایش الودگی هوا، میزان آلودگی در یک و دو روز بعد پیش بینی شده است نتایج روی شهر تهران به عنوان پایلوت گزارش شده است با توجه به این که مهم ترین آلاینده که عامل اصلی ناسالم سازی هوای تهران در بیش از 90 درصد روزهای ناسالم بوده است ذرات معلق PM2 5,PM10 می باشند، این تحقیق به پیش بینی میزان این ذرات در دو ایستگاه با بالاترین سطح آلایندگی در تهران پرداخته است تکنیک پیاده سازی شده شبکه های عصبی پرسپترون چند لایه با قابلیت انتشار به عقب می باشد که ورودی های آن وضعیت جوی، وضعیت کاری روزهای مورد پیش بینی و میزان الودگی هوا در روز قبل می باشد نتایج نشان می دهد، متوسط درصد خطا برای هر دو آلاینده 26 درصد یک روز بعد و حدود 28 درص برای دو روز بعد می باشد مدیران شهری از این نتایج می توانند برای تصمیم گیری در زمینه اجریا طرح های محدودیت ترافیک استفاه نمایند

کلیدواژه‌ها

نویسندگان

حمیدرضا افتخاری

گروه علوم کامپیوتر، دانشکده ی ریاضی و علوم کامپیوتر ، دانشگاه صنعتی امیرکبیر ، تهران، ایران

علی رسولی

گروه علوم کامپیوتر، دانشکده ی ریاضی و علوم کامپیوتر ، دانشگاه صنعتی امیرکبیر ، تهران، ایران

مهدی قطعی

پژوهشکده حمل و نقل وسیستم های هوشمند ، دانشگاه صنعتی امیرکبیر ، تهران، ایران

�فتخاری، حمیدرضا و رسولی، علی و قطعی، مهدی،1392،پیش بینی آلودگی ذرات معلق در هوای تهران جهت اعمال استراتژی های محدودیت ترافیک با استفاده از شبکه های عصبی پرسپترون،سیزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران

ارائه‌شده در

مجموعه مقالات سیزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک6 اسفند 1392 · تهران