به گزارش روز چهارشنبه گروه علمی ایرنا از دانشگاه تهران، پژوهشگران این دانشگاه در قالب یک مطالعه علمی، مدل جدیدی با عنوان «تلفیق زمانی شبکه عصبی گرافی پویا (DTFGNN)» توسعه دادهاند که قادر است میزان آلایندههای هوا را، در نقاطی که هیچگونه تجهیزات سنجش آلودگی هوا در آنها نصب نشده است، با صحت بالا تخمین بزند.
با توجه به صدمات زیست محیطی و انسانی آلودگی هوا، شهرهای مختلف دنیا نیازمند پایش دقیق، جامع، و برخط آلایندههای هوا در سطح شهرها هستند؛ اما هزینه بالای نصب و نگهداری ایستگاههای پایش کیفیت هوا موجب شده است بسیاری از مناطق شهری از پوشش مناسب این سامانهها برخوردار نباشند. این موضوع علاوه بر محدود کردن دسترسی شهروندان به اطلاعات دقیق کیفیت هوا، تصمیمگیری مدیران شهری برای مدیریت بحرانهای ناشی از آلودگی هوا را نیز با چالش مواجه میکند.
در این پژوهش، مدلی پیشنهاد شده است تا با بهرهگیری از دادههای محدود ثبتشده در ایستگاههای سنجش آلودگی هوا و اطلاعات هواشناسی، روابط زمانی و مکانی پیچیده میان آلایندهها را تحلیل کرده و قادر است میزان آنها را در مناطقی که تاکنون حسگرهای پایش آلایندههای هوا نصب نشدهاند را تخمین بزند. دو نوآوری اصلی پژوهشگران دانشگاه تهران در این تحقیقات، ارائه روشی برای درنظر گرفتن روابط مکانی پویا، بین نقاط مورد نظر برای تخمین و ایستگاههای موجود آلایندهها، و ارائه روشی برای درنظر گرفتن و ادغام وابستگیهای زمانی کوتاه و بلند مدت برای تخمین دقیقتر آلایندههاست که چارچوب چندلایه این مدل طراحی شده در شکل منعکس شده است.
برای صحتسنجی و ارزیابی دقیق عملکرد روش پیشنهادی، از دو مجموعه داده واقعی دردسترس عموم مربوط به شهرهای پکن و لندن استفاده و مدل مطرح …
