پیش بینی وقوع توفان گرد و غبار با استفاده از روش شبکه های عصبی مصنوعی درشهر کرمانشاه

گرد و غبار پدیده ای است که آثار زیست محیطی زیادی را در بخش های مختلف زندگی انسان ها از جمله: کشاورزی، اقتصاد، بهداشت و غیره دارد. هدف از پژوهش حاضر بررسی و پیش بینی پدیده گرد و غبار در شهر کرمانشاه می باشد. داده های هواشناسی با وضوح ۳ ساعته در دوره آماری (۲۰۲۰-۲۰۰۰) ایستگاه کرمانشاه از سازمان هواشناسی کشور اخذ شد. ابتدا داده های گرد و غبار نرمال سازی شد و سپس با استفاده از مدل های شبکه عصبی ANN برای پیش بینی غلظت گرد و غبار و شبکه عصبی تطبیقی ANFIS برای خطایابی و پیش بینی سری زمانی وقوع گرد و غبار در نرم افزار MATLAB  خطایابی و پیش بینی شدند. یافته های پژوهش نشان داد که حداکثر میزان غلظت گرد و غبار پیش بینی شده مربوط به حداقل نقطه شنبم با بیشترین میزان همبستگی پیرسون با گرد و غبار، به میزان ۲۳/۳۴۵۱ میکروگرم بر مترمکعب برآورد شده است.  همچنین نتایج پیش بینی سری زمانی با استفاده از مدل ANFIS نشان داد تابع عضویت زنگوله ای خطی با درجه ۳، در مراحل آموزش و آزمون، مطلوب ترین تابع ورودی را در بین دیگر توابع عضویت به خود اختصاص داده است. بر اساس مدل های پیش بینی، بیشترین احتمال رخداد حداکثر گرد و غبار در ۲۰ سال آینده کرمانشاه با مقدار ۹۴% به دست آمد.

کلیدواژه ها:

Dust ، Forecast ، ANN ، ANFIS ، Kermanshah. ، گرد و غبار ، پیش بینی ، ANN ، ANFIS ، کرمانشاه