یک مدل شبکه عصبی پیچشی برای پیش بینی مسیر حرکت طوفان های گردوغبار

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-15-1_007

تاریخ نمایه سازی: 29 فروردین 1402

چکیده مقاله:

طوفان های گردوغبار بلایایی طبیعی اند که در زندگی انسان و محیط زیست تاثیر چشمگیری گذاشته اند. توسعه مدل هایی، به منظور پیش بینی مسیر حرکت این طوفان ها، در پیشگیری و مدیریت طوفان های گردوغبار نقش بسزایی ایفا می کند زیرا مسیر انتقال آنها را آشکار و مناطق آسیب پذیر بعدی در برابر طوفان را مشخص می کنند. به لطف امکانات روش های یادگیری عمیق در حل مسائل مبتنی بر سری زمانی و یافتن الگوهای پنهان از حجم داده کلان، در این پژوهش، یک مدل ترکیبی شبکه عصبی پیچشی (CNN) به منظور پیش بینی مسیر حرکت طوفان گردوغبار، براساس داده عمق نوری هواویز (AOD) محصول MERRA-۲ برای دوازده ساعت آینده، توسعه داده شده است. همچنین چهل رویداد طوفان، شامل ۲۴۸۹ ساعت طوفان در منطقه ای خشک در مرکز و جنوب آسیا، به منظور آموزش مدل به کار رفته است. نتایج نشان می دهد که مدل پیشنهادی پیش بینی دقیقی از مسیر حرکت طوفان به دست می دهد؛ به گونه ای که درمورد گام های زمانی ۳، ۶، ۹ و ۱۲ ساعت آینده، مقادیر دقت کلی به ترتیب برابر با ۹۸۰۶/۰، ۹۸۱۰/۰، ۹۸۱۳/۰ و ۹۷۹۰/۰، مقادیر امتیاز F۱ به ترتیب برابر با ۸۴۹۰/۰، ۸۵۲۴/۰، ۸۵۳۰/۰ و ۸۳۸۴/۰ و مقادیر ضریب کاپا به ترتیب برابر با ۸۳۸۷/۰، ۸۴۲۴/۰، ۸۴۳۱/۰ و ۸۲۷۳/۰ است.

نویسندگان

مهدیس یارمحمدی

دانشجوی کارشناسی ارشد، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

علی اصغر آل شیخ

استاد دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

محمد شریف

استادیار دانشکده علوم انسانی، دانشگاه هرمزگان، بندرعباس

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aili, A., Xu, H., Kasim, T. & Abulikemu, A., ۲۰۲۱, ...
  • Al-Yahyai, S. & Charabi, Y., ۲۰۱۴, Trajectory Calculation as Forecasting ...
  • Alzubaidi, L., Zhang, J., Humaidi, A.J., Al-dujaili, A., Duan, Y., ...
  • Ansari Ghojghar, M., Pourgholam-Amiji, M., Bazrafshan, J., Liaghat, A. & ...
  • Boloorani, A.D., Shorabeh, S.N., Neysani Samany, N., Mousivand, A., Kazemi, ...
  • Boroumand, F., Alesheikh, A.A., Sharif, M. & Farnaghi, M., ۲۰۲۲, ...
  • Burge, J., Bonanni, M., Ihme, M. & Hu, L., ۲۰۲۰, ...
  • Chollet, F., ۲۰۲۱, Deep Learning with Python, Simon and Schuster ...
  • Giovanni, ۲۰۲۲, The Bridge Between Data and Science. https://giovanni.gsfc.nasa.gov/ giovanni/ ...
  • Goudarzi, S., Sharif, M. & Karimipour, F., ۲۰۲۲, A Context-Aware ...
  • Goudie, A.S. & Middleton, N.J., ۲۰۰۶, Desert Dust in the ...
  • Guan, Q., Yang, Y., Luo, H., Zhao, R., Pan, N., ...
  • Jiao, Z., Jia, G. & Cai, Y., ۲۰۱۹, A New ...
  • Kattenborn, T., Leitloff, J., Schiefer, F. & Hinz, S., ۲۰۲۱, ...
  • Kolmonen, P., Sundström, A.M., Sogacheva, L., Rodriguez, E., Virtanen, T. ...
  • Krizhevsky, A., Sutskever, I. & Hinton, G.E., ۲۰۱۲, ImageNet Classification ...
  • LeCun, Y., Boser, B.E., Denker, J.S., Henderson, D., Howard, R.E., ...
  • Liu, S., Wang, T. & Mouat, D., ۲۰۱۳, Temporal and ...
  • Mahdianpari, M., Salehi, B., Rezaee, M., Mohammadimanesh, F. & Zhang, ...
  • Mobarak Hassan, E., Saadatabadi, A. & Fattahi, E., ۲۰۲۰, Dust ...
  • Mohammadpour, K., Rashki, A., Sciortino, M., Kaskaoutis, D.G. & Boloorani, ...
  • Perumal, R. & van Zyl, T.L., ۲۰۲۰, Comparison of Recurrent ...
  • Rashki, A., Middleton, N. & Goudie, A.S., ۲۰۲۱, Dust Storms ...
  • Safriel, U., Adeel, Z., Niemeijer, D., Puigdefabregas, J., White, R., ...
  • Sharif, M., Alesheikh, A.A. & Tashayo, B., ۲۰۱۹, CaFIRST: A ...
  • Stein, A.F., Draxler, R.R., Rolph, G., Stunder, B., Cohen, M.D. ...
  • Tiancheng, L., Qing-dao-er-ji, R. & Ying, Q., ۲۰۱۹, Application of ...
  • Wang, R., Zhu, Z., Zhu, W.-h., Fu, X. & Xing, ...
  • Yousefi, R., Wang, F., Ge, Q.-s. & Shaheen, A., ۲۰۲۰, ...
  • نمایش کامل مراجع