کاربرد الگوریتم های هوش مصنوعی در پیش بینی و مدیریت مخاطرات اقلیمی با تاکید بر امواج گرما در غرب ایران

تغییرات اقلیمی موجب افزایش چشمگیر فراوانی و شدت امواج گرمایی در جهان و به ویژه در مناطق غربی ایران شده است. در واقع، امواج گرمایی از مهم ترین مخاطرات آب و هوایی هستند که هر سال پیامدهای زیانبار متعددی در زندگی انسان و سایر موجودات زنده بر جای می گذارند. این پدیده تاثیرات قابل توجهی بر سلامت عمومی، کشاورزی و مصرف انرژی دارد و لزوم توسعه سامانه های پیش بینی دقیق و هشدار زودهنگام را آشکار می سازد. این پژوهش با استفاده از داده های روزانه دما، رطوبت نسبی و شاخص های اقلیمی در ایستگاه های هواشناسی پنج استان واقع در غرب ایران (کرمانشاه، همدان، ایلام، کردستان و لرستان) طی دوره ۲۰۱۳ تا ۲۰۲۳ و داده های تکمیلی ماهواره ایERA۵، مدل های Random Forest ،LSTM و شبکه عصبی ساده انجام گرفته است. عملکرد مدل ها با شاخص های RMSE، MAE و Accuracyارزیابی شد. نتایج نشان داد که مدل Random Forest با دقت ۹۲.۷ درصد و کمترین خطا (RMSE=۱.۴۲) بهترین عملکرد را داشته است. همچنین با استفاده از روشSHAP عوامل اصلی شکل گیری امواج گرمایی شناسایی شدند که دمای بیشینه روزانه (۲.۳۷ درصد)، رطوبت نسبی (۲۱.۴درصد) و تابش خورشیدی (۱۶.۸درصد) بیشترین تاثیر را داشتند. در نهایت، چارچوبی برای سامانه هشدار زودهنگام طراحی شد که می تواند ۵ تا ۷ روز قبل از وقوع امواج گرمایی، هشدارهای محلی ارائه دهد و در مدیریت بهینه منابع آب، انرژی و سلامت عمومی نقش موثری ایفا کند.

کلیدواژه ها:

الگوریتم های هوش مصنوعی ، امواج گرمایی ، جنگل تصادفی ، SHAP ، غرب ایران