Dự đoán phát thải PM2.5 trong các mỏ lộ thiên sử dụng mạng nơ-ron liên kết chức năng được tối ưu hóa bởi các thuật toán tối ưu hóa khác nhau

Ô nhiễm không khí PM2.5 không chỉ là một nguy hiểm đáng kể cho sức khỏe con người trong cuộc sống hàng ngày mà còn là một rủi ro nguy hiểm đối với những công nhân làm việc trong các mỏ lộ thiên (OPM), đặc biệt là các mỏ than lộ thiên (OPCM). PM2.5 trong OPCM có thể gây ra các bệnh liên quan đến phổi (ví dụ, bệnh phổi nghề nghiệp, ung thư phổi) và các bệnh tim mạch do tiếp xúc với bụi hạt có thể hít phải trong một thời gian dài. Do đó, việc dự đoán chính xác PM2.5 là rất quan trọng trong việc giảm thiểu ô nhiễm PM2.5 và cải thiện chất lượng không khí nơi làm việc. Nghiên cứu này đã điều tra các điều kiện khí tượng và phát thải PM2.5 tại một OPCM ở Việt Nam, nhằm phát triển một mô hình thông minh mới để dự đoán phát thải và ô nhiễm PM2.5. Chúng tôi đã áp dụng mạng nơ-ron liên kết chức năng (FLNN) để dự đoán ô nhiễm PM2.5 dựa trên các điều kiện khí tượng (ví dụ, nhiệt độ, độ ẩm, áp suất không khí, hướng và tốc độ gió). Thay vì sử dụng các thuật toán truyền thống, thuật toán Hunger Games Search (HGS) đã được sử dụng để huấn luyện mô hình FLNN. Vai trò thiết yếu của HGS trong nghiên cứu này là tối ưu hóa các trọng số trong mô hình FLNN, mà cuối cùng được gọi là mô hình HGS-FLNN. Chúng tôi cũng đã xem xét ba mô hình lai khác dựa trên FLNN và các thuật toán metaheuristic, tức là ABC (Artificial Bee Colony)-FLNN, GA (Genetic Algorithm)-FLNN, và PSO (Particle Swarm Optimization)-FLNN để đánh giá tính khả thi của việc dự đoán PM2.5 trong OPCM và so sánh kết quả của chúng với mô hình HGS-FLNN. Kết quả nghiên cứu cho thấy HGS-FLNN là mô hình tốt nhất với độ chính xác cao nhất (lên tới 94–95 % trung bình) để dự đoán ô nhiễm không khí PM2.5. Trong khi đó, độ chính xác của các mô hình khác chỉ nằm trong khoảng 87 % đến 90 %. Kết quả thu được cũng chỉ ra rằng HGS-FLNN là mô hình ổn định nhất với sai số tương đối thấp nhất (trong khoảng từ −0,3 đến 0,5 %).