%0 Journal Article %T امکانسنجی امکان پیش بینی غلظت ذرات معلق با استفاده از شبکه عصبی ( مطالعه موردی: شهر تبریز) %J نیوار %I سازمان هواشناسی کشور %Z 1735-0565 %A اسراری, الهام %A ایرانی, توحید %D 2021 %\ 03/21/2021 %V 45 %N 112-113 %P 91-98 %! امکانسنجی امکان پیش بینی غلظت ذرات معلق با استفاده از شبکه عصبی ( مطالعه موردی: شهر تبریز) %K ذرات معلق5/2 میکرومتر %K آلودگی هوا %K شبکه‌های عصبی مصنوعی %K سری‌های زمانی %R 10.30467/nivar.2021.227624.1156 %X ذرات معلق یکی از آلاینده‌ها ی مهم هوا است ، که بر سلامتی انسان تاثیرات منفی دارد. بدیهی است تخمین و پیش‌بینی غلظت این ذرات مهم است. در این تحقیق با استفاده از مقایسه شبکه عصبی مصنوعی پیش‌خور پس‌انتشار و شبکه عصبی مصنوعی بازگشتی(NAR,NARX) و فازی تطبیقی(ANFIS) به تخمین ذرات معلق شهر تبریز پرداخته شده است. در این تحقیق داده‌های هواشناسی و داده‌های کیفیت هوا طی سال‌های 1392تا 1396 مورد استفاده قرار گرفت. تخمین غلظت ذرات معلق با توجه به میزان بارش، سرعت باد، مقدار دما در هر مدل و نتایج مقایسه گردید. همچنین از داده‌های غلظت ذرات معلق 5/2 میکرومتر درایستگاه سنجش کیفیت هوای باغشمال تبریز استفاده شد. 50 درصد داده‌ها برای صحت سنجی و آزمون واز 50درصد داده‌ها در روند آموزش استفاده شد. با توجه به نتایج ، در حالت ایستا و بدون تغییرات فصلی شبکه عصبی NARX با ضریب همبستگی (R) 9995/0 و کمترین خطای میانگین مربعات (MSE) یعنی005/0 بهینه ترین مدل این تحقیق شد.مقایسه نتایج مدل‌سازی با داده‌های واقعی نشان داد که بهترین پیش‌بینی متعلق به شبکه عصبی پیشخور پس‌انتشار است که با خطای 0007/0 نسبت به داده نرمال شده ، بهترین دقت را دارد و بعد از آن به ترتیب شبکه عصبی NARX و NAR و نهایتا شبکه فازی تطبیقی قرار دارند. %U https://nivar.irimo.ir/article_135063_94f1da6e4e11283d9603bf63df964b26.pdf