حمیده طاهری - دانشجوی کارشناسی ارشد، گروه (بخش) مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاهشهید باهنر کرمان، کرمان
فهیمه قاسمیان - استادیار، گروه (بخش) مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان

امروزه اهمیت آلودگی هوا و خسارات آن بر سلامتی انسان ها، سایر موجودات و محیط زیست بر کسی پوشیده نیست. بر اساس آمار ارائه شده توسط سازمان بهداشت جهانی، آلودگی هوا به میزان خطرناکی در بسیاری از مناطق بالا میباشد به طوری که از هر ۱۰ نفر در جهان، ۹ نفر هوایی با سطوح آلودگی بالاتر از حدود مجاز تعیین شده توسط این سازمان، تنفس می کنند و نیز سالانه در حدود ۷ میلیون نفر در اثر مواجهه با آلودگی هوا جان خود را از دست می دهند. یکی از آلاینده های معیاری که اثرات مخرب زیادی بر سلامت و سیستم تنفسی داشته و می تواند مرگ زودرس را نیز به همراه داشته باشد، آلاینده نیتروژن دی اکسید است. ایستگاه های سنجش کیفیت هوا به صورت روزانه پارامترهایمربوط به کیفیت هوا را اندازه گیری میکنند اما در هر ایستگاه ممکن است به دلایل مختلفی مانند عوامل محیطی، نقص عملکردی دستگاه و یاقرار داشتن آن در فاز کالیبراسیون، در بازه های زمانی خاصی دیتای مورد نیاز تولید نشود و یا به عبارتی مقادیر از دست رفته ایجاد شود که لازم است به شکل مناسب تخمین زده شوند. در این تحقیق ما قصد داریم با استفاده از داده های ایستگاه های سنجش زمینی در شهر تهران و آموزش شبکه عصبی عمیق LSTM ، یک مدل پیش بینی آلودگی هوا بر اساس میزان نیتروژن دی اکسید (در شهر تهران) روزهای قبل ایجاد کنیم که بتوان از آن برای تخمین مقادیر از دست رفته استفاده کرد. نتایج حاصل از ارزیابی نشان داد که این مدل کارایی بالایی در تخمینمیزان آلودگی بر اساس آلودگی روزهای قبل دارد

پیش بینی آلودگی هوا، شبکه عصبی LSTM، آلاینده نیتروژن دی اکسید