سعید الماسی - دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی واحد تهران جنوب،
مریم خادمی - استادیار، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد تهران جنوب،
میرمحسن پدرام - استادیار، دانشکده فنی ومهندسی، دانشگاه خوارزمی،کرج

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.

شبکه های عصبی پرسپترون چند لایه، مدل عصبی فازی، آلودگی هوا، منوکسید کربن