fa پیش‌بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه‌های خودهمبسته با استفاده از شبکه عصبی مصنوعی نوزادان Neonatology پژوهشي Research <p dir="RTL"><strong>زمینه و هدف</strong>: شاخص کیفیت هوا (<span dir="LTR">Air Quality Index</span><span dir="LTR">-AQI</span>) ارتباط کیفیت هوا را با سطوح سلامتی به صورت کمی بیان می‌کند. با استفاده از مدل شبکه عصبی مقدار <span dir="LTR">AQI</span> برای یک روز بعد بر مبنای متغیرهای هواشناسی و خودهمبستگی شاخص، برای شهر کرمانشاه &nbsp;&nbsp;پیش‌بینی شد.</p> <p dir="RTL"></p> <p dir="RTL"><strong>روش کار</strong>: بعد از آماده سازی داده‌های آلاینده‌های معیار و متغیرهای هواشناسی سال‌های 91-1389، تاخیرهای زمانی یک روز قبل و بعد متغیرها ایجاد شد. مقدار شاخص یک روز بعد به عنوان متغیر وابسته و سایر متغیرها &nbsp;به عنوان ورودی مدل استفاده گردید. عملکرد مدل با استفاده از ضریب همبستگی &nbsp;(<span dir="LTR">r</span>)، ضریب تبیین (<span dir="LTR">R²</span>) و ریشه میانگین مربع خطا ارزیابی شد. تحلیل حساسیت مدل بررسی و مهمترین متغیرهای موثر برای پیش‌بینی <span dir="LTR">AQI</span> شناسایی گردید.</p> <p dir="RTL"></p> <p dir="RTL">&nbsp;<strong>یافته ها</strong>: مقدار <span dir="LTR">r</span> مراحل آموزش، اعتبارسنجی و آزمون مدل &nbsp;بالاتر از 75/0 تعیین و &nbsp;<span dir="LTR">R²</span> مرحله آزمون &nbsp;برابر 6/0 تعیین شد. در بین متغیرهای هواشناسی، میزان دید افقی و میزان بارندگی تاثیر بیشتری بر مقدار شاخص داشتند به نحوی که &nbsp;بارندگی در یک روز قبل به طور معناداری باعث کاهش مقدار <span dir="LTR">AQI</span> روز بعد خواهد شد. همچنین بین میزان دید افقی و <span dir="LTR">AQI</span> ارتباط معکوس مشخص گردید.</p> <p dir="RTL"></p> <p dir="RTL"><strong>نتیجه گیری</strong>: مدل پیشنهادی می تواند برای پیش‌بینی مقدار شاخص <span dir="LTR">AQI</span> شهر کرمانشاه مورد استفاده قرار گیرد. با توجه به مسئله آلودگی هوا و خصوصاً مشکل ریزگردها، چنانچه چنین مدلی &nbsp;به صورت دینامیک استفاده شود نقش آن در اعلان وضعیت هوا ملموس‌تر خواهد شد. پیشنهاد &nbsp;می‌گردد پیش‌بینی شاخص <span dir="LTR">AQI</span> در قالب یک مدل با قابلیت به روز شدن برای این استان در مطالعات بعد انجام گردد.</p> <p><strong>Background:</strong> Air Quality Index (AQI) quantifies the relationship between air quality and the level of health. The value of AQI may be predicted using neural network model for a day in advance, based on the meteorological variables and autocorrelation behavior of the index in Kermanshah, a city in western Iran<strong><em><span dir="RTL">.</span></em></strong></p> <p><strong>Methods:</strong> Data for air pollution and meteorological variables, collected during three years, were lagged &nbsp;&nbsp;for two proceeding days. The AQI for a next day was considered as dependent variable and other were used as predictors. The performance of model was assessed with correlation coefficient (r). The most important variables to predict the AQI were identified using sensitivity analysis.</p> <p><strong>Results:</strong> The r coefficient for the training, validation and testing the model was 0.75. Among the meteorological variables, the horizontal view and precipitation had a greater impact on the AQI. One day proceeding precipitation can significantly reduce the amount of AQI for the next day. An inverse relationship was found between AQI and horizontal view.</p> <p><strong>Conclusion:</strong> The proposed model can be used to predict the Kermanshah&rsquo;s AQI index. Regarding to the issue of air pollution in this city, especially fine particulate pollutions if such a model is used dynamically to predict the AQI, it can be useful tools for the declaration of an air pollution alert. The preparation of an online model-based system for the prediction of AQI index for Kermanshah city is suggested to be conducted in future studies.</p> پیشبینی, شبکه عصبی مصنوعی, متغیرهای هواشناسی, شاخص کیفیت هوا Forecasting, Artificial neural networks, Meteorological variables, Air quality index 31 43 http://rjms.iums.ac.ir/browse.php?a_code=A-10-1-1737&slc_lang=fa&sid=1 Zeinab Rostami Fasih زینب رستمی فصیح rostamifasihz@yahoo.com 3900319475328460030973 3900319475328460030973 No MSc student of Environmental Health Engineering, Faculty of Health, Tehran University of Medical Sciences, Tehran, Iran دانشجوی کارشناسی ارشد مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران. تهران، ایران Alireza Mesdaghinia, علیرضا مصداقی نیا mesdaghinia@sina.tums.ac.ir 3900319475328460030974 3900319475328460030974 Yes PhD, Professor of Environmental Health Engineering, Department of Environmental Health Engineering, Faculty of Health, Tehran University of Medical Sciences, Tehran, Iran استاد گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران Kazem Nadafi کاظم ندافی knadafi@sina.tums.ac.ir 3900319475328460030975 3900319475328460030975 No PhD, Professor of Environmental Health Engineering, Department of Environmental Health Engineering, Faculty of Health, Tehran University of Medical Sciences, Tehran, Iran استاد گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران Ramin Nabizadeh Nodehi رامین نبی زاده نودهی rnabizadeh@sina.tums.ac.ir 3900319475328460030976 3900319475328460030976 No PhD, Professor of Environmental Health Engineering, Department of Environmental Health Engineering, Faculty of Health, Tehran University of Medical Sciences, Tehran, Iran استاد گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران Amir Hossain Mahvi امیرحسین محوی hadi_rfm@yahoo.com 3900319475328460030977 3900319475328460030977 No PhD, Assistant Professor of Environmental Health Engineering, Department of Environmental Health Engineering, Faculty of Health, Tehran University of Medical Sciences, Tehran, Iran استادیار گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران Mahdi Hadi مهدی هادی 3900319475328460030978 3900319475328460030978 No PhD student, Center for Water Quality Research (CWQR), Institute for Environmental Research (IER), Tehran University of Medical Sciences, Tehran, Iran دانشجوی دکتری تخصصی پژوهشی بهداشت محیط، مرکز تحقیقات کیفیت آب، پژوهشکده محیط زیست، دانشگاه علوم پزشکی تهران، تهران، ایران