یکی ازعوامل مهم در سنجش آلاینده‌های هوا در شهری مثل تهران، جانمایی ایستگاه‌های سنجش آلودگی هوا است .هر تلاشی در زمینه کاهش و کنترل آلودگی هوا به داده‌های آلودگی هوا احتیاج دارد. بنابراین موقعیت مکانی ایستگاه‌ها از حساسیت بالایی برخوردار است. تاکنون مدل‌های متعددی جهت پیش‌بینی آلودگی هوا و جانمایی ایستگاه‌های سنجش آلودگی هوا توسط محققان، پیشنهاد شده است. مدل‌های پیشنهادی، اغلب مبتنی بر روش‌های آماری مثل رگرسیون خطی و روش‌های جغرافیاییGIS هستند. در این پژوهش، مدلی جدید براساس مدل‌ شبکه عصبی پرسپترون چندلایهMLP و با استفاده از داده‌های هواشناسی ایستگاه‌های مختلف تهران، در دوره آماری دو ساله (1389تا 1390)، برای جانمایی ایستگاه‌های سنجش آلودگی هوا ارائه شده است. به این منظور، پس از انجام مراحل پیش‌پردازش داده‌ها، برای جانمایی ایستگاه‌ها، یعنی مشخص کردن نقاطی که باید ایستگاه جدید سنجش آلودگی هوا قرار گیرد یک شبکه Grid در شهر تهران به فاصله خطوط 5/0 کیلومتر رسم شد و میزان CO تمام نقاط روی Grid را پیش‌بینی کردیم. نقاطی که بیش‌ترین نوسان آلودگی در روزهای مختلف را داشتند برای نصب ایستگاه سنجش آلودگی هوا معرفی شدند. برای انجام این کار مراحل زیر را انجام دادیم: به‌دست آوردن پارامترهای هواشناسی برای هر ایستگاه با استفاده از داده‌های هواشناسی بقیه ایستگاه‌ها به‌دست آوردن پارامترهای هواشناسی برای سایر نقاط روی گرید، با ضرایب به‌دست آمده از مرحله قبل آموزش شبکه عصبی برای پیش‌بینی آلودگی نقاط روی گرید مشخص کردن نقاطی که بیشترین نوسان را دارند به‌عنوان پیشنهاد برای نصب ایستگاه جدید
کد نوشتار : 307370