Shahed University

Using artificial neural network model to predict mortality related to dust and air pollution (Case study: Khuzestan province)

R. Taghizadeh-Mehrjerdi | Davood Khojasteh | G. Goudarzi

URL :   http://research.shahed.ac.ir/WSR/WebPages/Report/PaperView.aspx?PaperID=116778
Date :  2019/08/28
Publish in :    شانزدهمين کنگره علوم خاک ايران


Keywords :

Abstract :
میزان غلظت گرد و غبار و الودگی هوا بر روی سلامت انسان اثرات بسیار خطرناکی داشته و باعث بروز بسیاری از بیماری‌های تنفسی از جمله اسم، برونشیت، بیمارهای قلبی و عروقی، چشمی و غیره می‌گردد. تاثیر غلظت بالای الاینده‌های هوا از جمله PM10 می¬تواند در میزان مرگ و میر نیز موثر باشد. در این مقاله برای بررسی تاثیر این الودگی‌ها بر میزان مرگ و میر و مدل‌سازی ان از داده‌های الودگی هوا و بیمارستانی در استان خوزستان برای دوره زمانی نه ساله (1387-1395) استفاده شد. مدل¬سازی با استفاده از شبکه عصبی مصنوعی با 8 ورودی از جمله رطوبت هوا، دما، PM10، CO،NO ‌،NO2،CO2،SO2 و خروجی میزان مرگ و میر نشان داد که شبکه با توپولوژی 1-17-6 دارای بهترین ضریب همبستگی (71/0 برای داده‌های ارزیابی) و کمترین میزان خطا (65/0) را دارد؛ بنابراین با توجه به تاثیر این الاینده‌ها در میزان مرگ و میر و از انجایی که بخش قابل‌توجه این الاینده‌ها ناشی از گرد و غبار در استان خوزستان می‌باشند، توجه جدی و مطالعات بیشتر برای کنترل گرد و غبار و کاهش الودگی هوا احساس می‌شود.



Files in this item :
Download Name : 116778_12974736468.pdf
Size : 305Kb
Format : PDF