Πρόγνωση ποιότητας της ατμόσφαιρας στην ευρύτερη περιοχή Αθηνών με τη χρήση νευρωνικών δικτύων

Abstract

The aim of this Doctoral thesis is the use of artificial neural networks technology (ANNs) as forecast models for the air quality prediction in the greater Athens area. The term "air quality prediction" includes both the prediction of air pollution during the year and the prediction of human thermal comfort-discomfort, during the hot season of the year in the greater Athens area. For this purpose sixteen (16) Multi-Layer Perceptron ANNs have been created and trained according to the Back Propagation Algorithm. Twelve (12) of the created ANNs predict the air pollution in seven (7) different areas of Athens city for the pollutants CO, NO2, SO2 and O3 and in five (5) different areas of Athens city for the particulate matter (PM10). The prediction also concerns the persistence of the air pollution phenomenon, i.e. the number of the consecutive hours during the day, where the concentration of the pollutants was greater than the concentration limits as established under the European Framework Directive 96/62 / EC. In all cases, prognosis concerns the air pollution and the persistence of the phenomenon for the next three (3) days. The next four (4) ANNs forecast the population thermal comfort-discomfort, as well as the persistence of the phenomenon, i.e. the number of consecutive hours within 24 hours, where the thermal discomfort of the population due to high temperatures exceeds 50% (one in two people feel discomfort due to heat). The forecast covers eight (8) different areas of the greater Athens area during the warm season (May-September) of the year. The depth of the prediction is the following three (3) days. For the ANNs training data covering the time period 2001-2004 were used and the prediction was done for the year 2005. In the case of air pollution prediction as well as of the prediction of the human thermal comfort-discomfort the results seem to be quite satisfactory at a significant statistical level of p <0.01. Thus, it appears that the ANNs can be used as forecasting models for the air quality, both at a research-education level and an operational level, for the adoption of appropriate short and long term measures in order to protect public health in the greater Athens area.

Σκοπός αυτής της Διδακτορικής διατριβής είναι η χρησιμοποίηση της τεχνολογίας των Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ) ως προγνωστικά μοντέλα, για την πρόγνωση της ποιότητας της ατμόσφαιρας, στην ευρύτερη περιοχή των Αθηνών. Με τον όρο «πρόγνωση της ποιότητα της ατμόσφαιρας» νοείται τόσο η πρόγνωση της ατμοσφαιρικής ρύπανσης στη διάρκεια όλου του έτους, όσο και η πρόγνωση της θερμικής άνεσης-δυσφορίας του πληθυσμού, τη θερμή περίοδο του έτους, στην πόλη της Αθήνας. Για το σκοπό αυτό δημιουργήθηκαν δεκαέξι (16) ΤΝΔ πολυστρωματικής αντίληψης-νόησης (Multi-Layer Perceptron) που εκπαιδεύτηκαν με τη μέθοδο της οπισθοδρομικής διάδοσης του λάθους (Back Propagation Algorithm). Τα δώδεκα (12) από αυτά κάνουν πρόγνωση της ατμοσφαιρικής ρύπανσης σε επτά (7) διαφορετικές περιοχές της Αθήνας, για τους ρύπους CO, NO2, SO2 και Ο3 και σε πέντε (5) διαφορετικές περιοχές της Αθήνας, για τα αιωρούμενα σωματίδια (ΡΜ10). Επίσης, κάνουν πρόγνωση της εμμονής του φαινομένου της ατμοσφαιρικής ρύπανσης, δηλαδή του αριθμού των διαδοχικών ωρών κατά τη διάρκεια του 24ωρου, όπου η συγκέντρωση των ρύπων ήταν μεγαλύτερη από τις οριακές τιμές συγκέντρωσης, όπως αυτές έχουν θεσπιστεί με βάση την Ευρωπαϊκή Οδηγία Πλαίσιο 96/62/EC. Σε όλες τις περιπτώσεις, η πρόγνωση αφορά την ατμοσφαιρική ρύπανση και την εμμονή του φαινομένου για τις επόμενες τρεις (3) ημέρες. Τα επόμενα τέσσερα (4) ΤΝΔ κάνουν πρόγνωση της θερμικής άνεσης-δυσφορίας του πληθυσμού, καθώς επίσης και της εμμονής του φαινομένου, δηλαδή του αριθμού των διαδοχικών ωρών μέσα στο 24ωρο, όπου η θερμική δυσφορία του πληθυσμού λόγω υψηλών θερμοκρασιών, υπερβαίνει το 50% (ένας στους δύο κατοίκους αισθάνεται δυσφορία λόγω ζέστης). Η πρόγνωση αυτή αφορά οκτώ (8) διαφορετικές περιοχές της πόλης της Αθήνας, τη θερμή περίοδο του έτους (Μάιος-Σεπτέμβριος). Το χρονικό βάθος της πρόγνωσης είναι οι επόμενες τρεις (3) ημέρες. Για την εκπαίδευση όλων των ΤΝΔ χρησιμοποιήθηκαν δεδομένα των ετών 2001-2004 και η πρόγνωση έγινε για το έτος 2005. Τόσο στην περίπτωση της πρόγνωσης της ατμοσφαιρικής ρύπανσης όσο και στην περίπτωση της πρόγνωσης της θερμικής άνεσης-δυσφορίας του πληθυσμού, τα αποτελέσματα είναι αρκετά ικανοποιητικά, σε επίπεδο στατιστικής σημαντικότητας p<0.01. Έτσι, φαίνεται ότι τα ΤΝΔ μπορούν να χρησιμοποιηθούν ως προγνωστικά μοντέλα της ποιότητας της ατμόσφαιρας, τόσο σε ερευνητικό-εκπαιδευτικό επίπεδο, όσο και σε επίπεδο επιχειρησιακό, για τη λήψη των κατάλληλων βραχυπρόθεσμων και μακροπρόθεσμων μέτρων με σκοπό την προστασία της δημόσιας υγείας στην ευρύτερη περιοχή της πόλης των Αθηνών.