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
|