@article { author = {Ehsanzadeh, Alireza and Nejadkoorki, Farhad and Taleb, Ali}, title = {A study on the Simulation and Estimation of the urban air quality by using artificial intelligence (case study: Gholhak Station of Tehran (}, journal = {Journal of Research in Environmental Health}, volume = {1}, number = {4}, pages = {285-296}, year = {2016}, publisher = {Mashhad University of Medical Sciences}, issn = {2423-5202}, eissn = {2423-5202}, doi = {10.22038/jreh.2016.6589}, abstract = {Background and objective: Air pollution in Tehran, because of high concentration of pollutants, has caused various diseases and many problems concerning the public health and welfare of citizens and also damages to the environment and living organisms.   Materials & Methods: Air Quality Index (AQI) is a key tool to monitor the air quality, to realize the effects of air pollution on health and to choose methods against air pollution. This study aimed at modeling and estimation AQI by CART algorithm and adaptive boosting algorithm (AdaBoost). Hourly data on concentration of air pollutants and meteorological parameters related to Gholhak stations in Tehran was used for modeling and estimation of AQI.   Results: The results showed that CART model had better performance than AdaBoost model. To evaluate these models, root mean square error (RMSE), mean absolute error (MAE), mean squared error (MSE) and correlation coefficient (R) of the CART model for the test, were respectively, 0.75, 0.101, 0.563, and 0.99 when compared to the AdaBoost model (RMSE=7.1, MAE=5.11, MSE=50.52 and R=0.95) which implies the absolute superiority of the CART model than the AdaBoost model.   Conclusion:The results of this study showed that regression decision tree model can be used as an efficient model for modelling and estimation of urban air quality index.}, keywords = {Simulation,Air Quality Index,Air pollution,Decision tree,Adaptive Boosting Algorithm}, title_fa = {شبیه‌سازی و برآورد کیفیت بهداشتی هوای شهری با استفاده از هوش مصنوعی (مطالعه موردی: ایستگاه قلهک شهر تهران)}, abstract_fa = { زمینه و هدف: کیفیت نامطلوب هوا ناشی از وجود غلظت‌های زیاد آلاینده‌ها در کلان شهر تهران موجب ایجاد بیماری‌های مختلف و مشکلات فراوان برای سلامتی و رفاه عمومی این کلان‌شهر گردیده است و همچنین موجب آسیب به محیط زیست و موجودات زنده می‌شود.   روش کار: شاخص کیفیت هوا (AQI) یک ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوۀ اثر آلودگی هوا بر سلامت و روش‌های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل‌سازی و برآورد شاخص کیفیت هوا با درخت تصمیم و الگوریتم بوستینگ تطبیقی است. از داده‌های ساعتی غلظت آلاینده‌های هوا و پارامترهای هواشناسی ایستگاه قلهک شهر تهران به‌منظور مدل‌سازی و برآورد AQI استفاده شد   یافته‌ها: نتایج تحقیق نشان داد که مدل درخت تصمیم عملکرد بهتری نسبت به مدل بوستینگ تطبیقی دارد. برای ارزیابی نتایج مدل‌های مذکور، ریشه میانگین مربعات خطا (RMSE)، میانگین مطلق خطا (MAE)، میانگین مربعات خطا (MSE) و ضریب همبستگی (R) در مدل درخت تصمیم برای مرحله آزمون به ترتیب 75/0 ، 101/0 ، 563/0 و 99/0 حاصل شد که در مقایسه با مدل بوستینگ تطبیقی (1/7RMSE=، 11/5MAE=، 52/50MSE= و 95/0R=) حاکی از برتری مطلق نتایج درخت تصمیم رگرسیون نسبت به مدل بوستینگ تطبیقی است.   نتیجه‌گیری: نتایج حاصل از این مطالعه نشان داد که می‌توان از مدل درخت تصمیم رگرسیون به عنوان یک مدل کارآمد جهت مدل‌سازی و برآورد شاخص کیفیت هوا شهری استفاده نمود.}, keywords_fa = {شبیه‌سازی,شاخص کیفیت هوا,آلودگی هوا,درخت تصمیم,الگوریتم بوستینگ}, url = {https://jreh.mums.ac.ir/article_6589.html}, eprint = {https://jreh.mums.ac.ir/article_6589_74321f72a70e7439d47e733a7660d87c.pdf} }