کاربرد شبکه عصبی مصنوعی و مدل همبستگی در پیش بینی پدیده گرد و غبار در کلانشهر اهواز
- سال انتشار: 1399
- محل انتشار: مجله انسان و محیط زیست، دوره: 18، شماره: 3
- کد COI اختصاصی: JR_SRBAU-18-3_002
- زبان مقاله: فارسی
- تعداد مشاهده: 91
نویسندگان
دانشجوی دکتری رشته جغرافیا و برنامه ریزی روستایی، دانشگاه تبریز
استاد گروه جغرافیا و برنامه ریزی شهری، دانشگاه شهید چمران اهواز
دانشجوی دکتری رشته جغرافیا و برنامه ریزی روستایی، دانشگاه فردوسی مشهد
چکیده
گرد و غبار یکی از پدیده های مخرب اقلیمی در استان های غربی است که سالاته خسارت فراوانی را به محیط زیست وارد می نماید که عواملی بسیاری در بوجود آمدن آن نقش دارند. هدف از انجام این پژوهش پیش بینی پدیده گرد و غبار شهر اهواز می باشد. در این پژوهش از داده های سینوپتیکی اهواز طی سالهای (۲۰۱۰-۲۰۰۰) استفاده شده است. این دادهها شامل میانگین نقطه دمای شبنم(به سانتیگراد)، میانگین سرعت باد بر حسب نات(knots)، رطوبت نسبی بر حسب درصد میانگین و میانگین بارندگی ماهانه به عنوان ورودی و داده روزهای توام با گرد و غبار به عنوان هدف، به شبکه معرفی شدند. سپس، با استفاده از مدل سازی علی، روابط میان متغیرها استخراج و در نهایت، مدل به وسیله شبکه عصبی و مدل رگرسیون گام به گام، آزمون شده است. نتایج، موید توانایی بیش از ۷۴ درصد مدل بکار رفته، در پیش بینی پدیده گرد و غبار در شهر اهواز است. میزان رگرسیون حاصل از داده های گرد و غبار در یک ترکیب خطی با متغیرهای وارد شده در معادله برابر با ۶۵۱/۰ است. همچنین ضریب تعیین حاصل برابر با ۴۲۴/۰ و ضریب تعیین تعدیل یافته برابر با ۴۱۰/۰ گزارش شده است؛ یعنی در واقع حدود۴۱ درصد از واریانس متغیر انجام گرد و غبار از طریق متغیرهای مستقل تبین و توجیه شده است.کلیدواژه ها
کلمات کلیدی: شبکه عصبی, مدل همبستگی, پیش بینی, گرد و غبار, کلانشهر اهوازاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.