آلودگی هوا ناشی از اکسیدهای نیتروژن (NOx) یکی از چالش‌های مهم زیست‌محیطی و بهداشتی در صنایع و محیط‌های شهری به شمار می‌رود و ارائه راهکارهای نوین برای کنترل آن از اهمیت ویژه‌ای برخوردار است. در همین راستا، در جلسه دفاع از پایان‌نامه کارشناسی ارشد رشته مهندسی بهداشت حرفه‌ای، خانم صدف تثبیتی به "بررسی حذف NOx از جریان هوا با استفاده از پلاسمای غیرحرارتی مبتنی بر یادگیری ماشینی" پرداخت.

تثبیتی با اشاره به پیچیدگی فرآیندهای پلاسمای غیرحرارتی (NTP) و تأثیر پارامترهای متعدد بر عملکرد آن، اظهار کرد: هدف این پژوهش، توسعه مدل‌های یادگیری ماشین برای پیش‌بینی غلظت خروجی اکسیدهای نیتروژن در سامانه‌های پلاسمای غیرحرارتی NTP و شناسایی عوامل مؤثر بر عملکرد آن‌ها بوده است.

وی افزود: برای این منظور، مجموعه‌داده‌ای شامل ۲۰ پارامتر ورودی از مطالعات منتخب گردآوری شد و پس از پیش‌پردازش، سه مدل پرسپترون چندلایه (MLP)، جنگل تصادفی (RF) و XGBoost توسعه و مقایسه شدند. نتایج نشان داد که مدل XGBoost در پیش‌بینی هر سه متغیر هدف، عملکرد بالاتری نسبت به دو مدل دیگر داشته است.

تثبیتی یکی از جنبه‌های قابل توجه این پژوهش را استفاده از روش‌های تفسیرپذیری برای شناسایی عوامل مؤثر بر عملکرد سامانه عنوان کرد و گفت: در ادامه این مطالعه، یک برنامه وب تعاملی برای پیش‌بینی توسعه یافت که می‌تواند در تحلیل و بهینه‌سازی سامانه‌های کنترل آلودگی هوا مبتنی بر NTP مورد استفاده قرار گیرد. بهره‌گیری از این رویکرد می‌تواند زمینه را برای تصمیم‌گیری آگاهانه‌تر در زمینه کنترل آلودگی هوا و بهینه‌سازی فرآیندهای صنعتی فراهم کند.