کنفرانس ملی مهندسی و مدیریت محیط زیست

صفحه اصلی / هفتمین کنفرانس ملی مهندسی و مدیریت محیط زیست

رویکرد یادگیری عمیق برای پیشبینی کیفیت هوای شهری: مطالعه موردی خدمات دولت الکترونیک در کلانشهر تهران

نویسندگان :

مینا غلامرضایی¹ مصطفی شمسایی²

1- دانشگاه آزاد اسلامی واحد تهران شمال 2- دانشگاه شهید بهشتی تهران

کلمات کلیدی :

یادگیری عمیق،آلودگی هوا،شبکه LSTM،دولت الکترونیک

چکیده :

مدیریت بحران آلودگی هوا در کلانشهرها نیازمند گذار از رویکردهای واکنشی به راهکارهای پیشکنشگرا در بستر دولت الکترونیک است. پژوهش حاضر با هدف توسعه یک مدل هوشمند مبتنی بر یادگیری عمیق جهت پیشبینی شاخص آلاینده PM2.5 و یکپارچهسازی آن با خدمات الکترونیک شهروندی در کلانشهر تهران انجام شده است. روش تحقیق از نوع کاربردی و مدلسازی محاسباتی است که در آن از معماری شبکههای حافظه کوتاهمدت ماندگار پیادهسازیشده در محیط نرمافزار متلب استفاده گردید. دادههای مورد استفاده شامل اطلاعات ساعتی کیفیت هوا و پارامترهای هواشناسی طی یک بازه پنج ساله است که پس از پیشپردازش و نرمالسازی، به سه بخش آموزش (70 درصد)، اعتبارسنجی (15 درصد) و آزمون (15 درصد) تقسیم شدند. نتایج حاصل از ارزیابی مدل نشان داد که سیستم توسعهیافته در پیشبینی 24 تا 48 ساعته کیفیت هوا با دستیابی به میانگین خطای مطلق MAE=4.2، ریشه میانگین مربعات خطای RMSE=5.8 و ضریب تعیین R2=0.89، از کارایی بسیار بالایی برخوردار است. این یافتهها اثبات میکند که چارچوب پیشنهادی ظرفیت تبدیل شدن به یک سرویس هشدار زودهنگام و دقیق را داراست و یکپارچهسازی آن با پلتفرمهای دولت الکترونیک (نظیر سامانه تهران من) میتواند گامی موثر در جهت تحقق اهداف خدمات شهری سبز و حفظ سلامت شهروندان باشد.