ارزیابی کارایی فرامدل های هیبریدی یادگیری ماشین و باکس جنکینز به منظور مدل سازی طوفان های گرد و غبار (مطالعه موردی: استان خوزستان)

تاثیر پدیده گردوغبار در ایران آن قدر وسیع است که بیش از نیمی از استان های کشور را به نحوی با مسائل و محدودیت-های این پدیده طبیعی درگیر کرده است که، علاوه بر اثرهای زیست محیطی، موجب اختلال در اجرای طرح های توسعه پایدار ملی شده و تاکنون پیامدهای منفی زیادی به دنبال داشته و خواهد داشت. این پژوهش سعی بر ارائه نوعی مدل ترکیبی جدید با استفاده از فرامدل های هیبریدی هوش مصنوعی و همچنین فرامدل های هیبریدی باکس جنکینز جهت پیش بینی و مدل سازی شاخص FDSD (فراوانی روزهای همراه با طوفان های گردوغبار)، در هفت ایستگاه سینوپتیک استان خوزستان با طول دوره آماری ۴۰ سال (۲۰۲۰-۱۹۸۱) داشته است. الگوریتم های هیبریدی پیش بینی به کار رفته در این پژوهش شامل W-ANFIS، AF-SVM، ARIMA-NARX، SARIMA-SETAR می باشند. نتایج پیش بینی نشان داد که کاهش عملکرد مدل های هیبریدی جهت پیش بینی شاخص FDSD با کاهش فراوانی روزهای همراه با طوفان های گرد و غبار رابطه مستقیمی دارد. به نحوی که ضریب همبستگی برای داده های آزمایشی در فرامدل های AF-SVM و W-ANFIS به ترتیب از مقادیر ۹۹۱/۰ و ۹۸۵/۰ به ۹۸۵/۰ و ۹۵۸/۰ و ضریب نش ساتکلیف نیز به ترتیب از ۹۷۷/۰ و ۹۶۰/۰ به ۹۷۳/۰ و ۹۵۲/۰ کاهش یافته است. همچنین ضریب RMSE به ترتیب از ایستگاه آبادان تا دزفول برای دو فرامدل ذکر شده از مقدار ۱۳۵/۰ و ۱۵۱/۰ به ۱۴۰/۰ و ۱۷۹/۰ و ضریب MAE نیز به ترتیب از مقدار ۰۵۴/۰ و ۰۶۸/۰ به ۰۶۰/۰ و ۰۹۳/۰ افزایش یافته است. ضریب همبستگی برای داده های آزمایشی در فرامدل-های باکس جنکینز SARIMA-SETAR و ARIMA-NARX نیز به ترتیب از مقادیر ۹۶۷/۰ و ۹۵۱/۰ به ۹۵۸/۰ و ۹۴۱/۰ و ضریب نش ساتکلیف نیز به ترتیب از ۹۴۵/۰ و ۹۲۳/۰ به ۹۳۸/۰ و ۹۱۳/۰ کاهش یافته است که نشان دهنده ضعیف شدن عملکرد فرامدل های هیبریدی با کاهش فراوانی طوفان های گرد و غبار در استان خوزستان می باشد. همچنین با برازش چهار فرامدل هیبریدی بر روی شاخص FDSD نشان داده شد که فرامدل هیبریدی AF-SVM نسبت به سایر روش ها از عملکرد بهتری برخوردار بود. به نحوی که در همه ایستگاه های مورد مطالعه دارای ضریب همبستگی و نش ساتکلیف بیشتر و ضریب ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا کمتری می باشد که نشان دهنده برتری این فرامدل هیبریدی نسبت به سایر فرامدل ها برای پیش بینی شاخص FDSD در استان خوزستان می باشد. نتایج این مطالعه می تواند جهت مدل سازی طوفان های گرد و غبار در سایر مناطق کشور نیز مورد استفاده قرار گیرد.

کلیدواژه ها:

پیش بینی ، شاخص FDSD ، AF-SVM ، W-ANFIS ، الگوریتم های هیبریدی باکس جنکینز