پیش بینی وقوع طوفان های گرد و غبار با استفاده از ارزیابی دقت شبکه های عصبی مصنوعی در ایستگاه های منتخب نیمه غربی ایران

امروزه پدیده گرد و غبار در شمار مهم ترین مخاطرات طبیعی قرار گرفته و اثرات نامطلوبی بر سلامتی انسان، کشاورزی و محیط زیست برجای گذاشته است. هدف پژوهش حاضر پیش بینی فراوانی طوفان های گرد و غبار در ۱۷ ایستگاه منتخب نیمه غربی ایران است. بدین منظور، برای محاسبه فراوانی از کدهای گرد و غبار و دید افقی کمتر از ۱ کیلومتر دوره آماری ۲۰۲۳-۱۹۸۷ استفاده شد. سپس شبکه های عصبی توابع پایه شعاعی (RBF)، پرسپترون چندلایه (MLP)، سیستم استنتاج عصبی -فازی (ANFIS) و رگرسیون بردار پشتیبان (SVR) جهت پیش بینی گرد و غبار انتخاب شد. داده های رطوبت، دما، بارش، سرعت و جهت باد به عنوان داده های ورودی و داده روزهای توام با گرد و غبار به عنوان هدف، در مدل سازی ها به کار گرفته شد. داده ها به دو گروه تقسیم شدند. از ۸۰ درصد داده ها برای آموزش و از ۲۰ درصد دیگر برای آزمون شبکه استفاده شد. نتایج مقایسه مدل های مورد استفاده نشان داد که بر اساس نتایج حاصل از مدل RBF، بیشترین مقدار ضریب همبستگی در ایستگاه های کرمانشاه، رامهرمز و اسلام آبادغرب به ترتیب برابر با ۹۹/۰، ۹۷/۰ و ۹۵/۰ بوده است. در مجموع، این مدل به دلیل خطای کمتر و همبستگی بیشتر در ایستگاه ها بهترین عملکرد را ارائه نموده است؛ بنابراین به دلیل داشتن توانایی بالا، می تواند یک راهکار سریع در پیش بینی مقدار گرد و غبار و پراکنش آن باشد. نتایج خروجی مدل RBF برای پیش بینی گرد و غبار در آینده (۲۰۴۰-۲۰۲۴) نشان داد احتمال رخداد طوفان های گرد و غبار در آبادان و اهواز بیشتر بوده و همانند دوره مشاهداتی، الیگودرز را می توان جزو ایستگاه کم باد منطقه به حساب آورد.

کلیدواژه ها:

پیش بینی ، شبکه عصبی ، طوفان گرد و غبار ، مدل سازی ، نیمه غربی ایران