پیش بینی غلظت منوکسید کربن با استفاده از مدل های MLP,ANFIS

در دو دهه اخیر مسئله آلودگی هوا در کلان شهرها از مشکلات اساسی روزمره ساکنین آن بوده، که موجب بیماری های بسیار گردیده است. لذا تخمین و پیش بینی میزان شاخص های آلاینده از اهمیت به سزایی جهت برنامه ریزی های لازم برای پیش گیری های مورد نیاز برخوردار است. در این مقاله داده های آلودگی هوا به صورت سری های زمانی و روزانه است که آنها را با کمک شبکه های عصبی پرسپترون چند لایه و مدل عصبی - فازی پیش بینی نمودیم. در این راستا، ابتدا به پیش بینی پذیری داده ها پرداخته و سپس الگوریتم های MLP، ANFIS به کار برده و در نهایت این روش های هوشمند را مقایسه نمودیم و نشان دادیم روش شبکه عصبی پرسپترون چند لایه، نسبت به مدل عصبی- فازی توانایی مناسب در بهبود عملکرد پیش بینی دارد.