ارزیابی عملکرد الگوریتم های فرا ابتکاری در بهینه سازی داده های ورودی به منظور مدل سازی طوفان های گرد و غبار (مطالعه موردی: استان سیستان و بلوچستان)

طوفان های گرد و غبار به عنوان یکی از مهم ترین مخاطرات اقلیمی در مناطق خشک و نیمه خشک ایران به ویژه استان سیستان و بلوچستان، پیامدهای گسترده ای در ابعاد اجتماعی، اقتصادی و زیست محیطی ایجاد می کنند. یکی از چالش های اصلی در مدل سازی و پیش بینی این پدیده، عدم قطعیت در داده های ورودی و محدودیت ایستگاه های سینوپتیکی است. این پژوهش با هدف بهبود عملکرد مدل های پیش بینی، به ارزیابی نقش الگوریتم های فراابتکاری در بهینه سازی داده های ورودی پرداخته است. در این راستا، یک مدل هیبریدی مبتنی بر رگرسیون فازی خوشه بندی شده و میانگین متحرک FCMR-MA توسعه داده شد و برای بهینه سازی داده های ورودی، دو الگوریتم فراابتکاری چرخه آب و بهینه سازی علف های هرز مهاجم به کار گرفته شدند. یکی از عوامل کلیدی در تشدید و تداوم این پدیده، وقوع خشکسالی های متوالی و کاهش رطوبت خاک است که بستر تولید و انتقال گردوغبار را تقویت می کند. به منظور تحلیل پیوند بین شرایط خشکسالی و وقوع طوفان های گردوغبار، شاخص های خشکسالی SPI و SPEI نیز به عنوان متغیرهای اقلیمی در ساختار مدل لحاظ شدند. داده های مورد استفاده شامل فراوانی روزهای همراه با طوفان گردوغبار در پنج ایستگاه سینوپتیکی استان سیستان و بلوچستان طی دوره ۴۰ ساله بود. عملکرد مدل ها با استفاده از چهار معیار ارزیابی R, RMSE, MAE, NS سنجیده شد. یافته ها نشان داد که به کارگیری الگوریتم های فراابتکاری موجب بهبود معنادار در دقت مدل نسبت به حالت بدون بهینه سازی شد. در این میان، الگوریتم علف های هرز مهاجم با دستیابی به بالاترین ضریب همبستگی (R=۰.۹۴) و کم ترین میزان خطا، عملکرد برتری نسبت به الگوریتم چرخه آب و مدل پایه ارائه کرد. به طور کلی، نتایج این مطالعه بیانگر اهمیت استفاده از الگوریتم های فراابتکاری در بهینه سازی داده های ورودی برای ارتقاء دقت مدل های پیش بینی طوفان های گردوغبار در مناطق خشک و نیمه خشک است.

کلیدواژه ها:

طوفان های ۱۲۰ روزه الگوریتم چرخه آب الگوریتم علف های هرز مدل هیبریدی FCMR ، ma