زمینه و هدف: مدل­سازی گردو‌غبار می­تواند به عنوان یک ابزار مناسب برای پیش­بینی گردو‌غبار صنایع در آینده و تعیین استراتژی­های کنترل انتشار آلاینده­ها تلقی شود. در این مطالعه از شبکه­های عصبی پرسپترون (MLP) و پایه شعاعی (RBF) به عنوان ابزاری برای پیش­بینی گردو‌غبار خروجی از دودکش اصلی کارخانه سیمان سبزوار واقع در استان خراسان رضوی استفاده شد. مواد و روش‌ها: در محدوده مطالعاتی مورد نظر، ابتدا میزان غلظت گردو‌غبار خروجی از دودکش اصلی کارخانه سیمان به وسیله اندازه­گیری­های میدانی به‌دست آمد. سپس با به‌کار­گیری پارامتر­های خط تولید (درجه حرارت، سرعت گاز خروجی، ولتاژ، سوخت، مواد خام و مدت زمان نمونه­برداری)، به عنوان داده­های ورودی به شبکه­های عصبی، جهت پیش­بینی میزان غلظت گردو‌غبار استفاده شد. مقادیر حاصل از اجرای مدل­ها، با نتایج اندازه­گیری­های میدانی به‌عنوان انتخاب مدل برتر، مورد مقایسه قرار گرفت. یافته­ها: دربررسی نمودار­ها و پارامتر­های آماری، مقادیر میانگین مربعات خطا برای دو مدل شبکه­های عصبی پرسپترون و پایه شعاعی به‌ترتیب برابر 1/787 و 21/263 و مقادیر ضریب همبستگی به‌ترتیب برابر 0/99693 و 0/95811 بود که نشانگر خطای کمتر و همبستگی بیشتر مدل شبکه­های عصبی پرسپترون نسبت به مدل پایه شعاعی در پیش­بینی میزان غلظت گردو‌غبار بود. نتیجه­گیری: به دلیل قابلیت بالای شبکه عصبی پرسپترون در پیش­بینی میزان غلظت گردو‌غبار، این مدل می­تواند یک راه‌حل مناسب و سریع در پیش­بینی میزان گردو‌غبار صنایع باشد.

کلمات کلیدی