منیرسادات نقیبی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
احمد خادم زاده - گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

امروزه مشکلات ناشی از آلودگی هوا در کلان شهرها به یک چالش زیست محیطی اساسی تبدیل شده است. این مشکل در مورد شهر تهران به دلیل حجم ترافیکی سنگین ناشی از ترابری، استفاده از خودروهای غیراستاندارد، احتراق ناقص سوخت های مورد استفاده خودروها و بی توجهی ای که طی سال های گذشته نسبت به آلودگی هوا صورت گرفته، اهمیت ویژه ای دارد. پیش بینی غلظت روزانه آلاینده های هوا اولین گام اساسی در برنامه ریزی کاهش اثرات آن ها است. در این مقاله، ابتدا داده ها از ایستگاه هواشناسی و آلودگی اقدسیه تهران جمع آوری می شود و سپس پیش پردازش داده ها صورت می گیرد که شامل، پاک سازی داده ها، نرمال سازی خطی و انتخاب ویژگی است. سپس شبکه عصبی پرسپترون چندلایه با استفاده از الگوریتم کرم شب تاب آموزش داده می شود و خطای آن با آموزش شبکه عصبی با الگوریتم های بهینه سازی ازدحام ذرات و ژنتیک مقایسه می شود. نتایج نشان می دهد که شبکه عصبی پرسپترون چندلایه آموزش یافته با الگوریتم کرم شب تاب با میانگین مربعات خطای 0.0812 به عنوان بهترین مدل می تواند پیش بینی میزان آلایندگی دی اکسید نیتروژن را انجام دهد.

پیش بینی، الگوریتم تحلیل مولفه های اصلی، شبکه عصبی پرسپترون چندلایه، الگوریتم ژنتیک، الگوریتم بهینه سازی ازدحام ذرات، الگوریتم کرم شبتاب