تعیین مناسب ترین روش ترکیب ورودی شبکه عصبی مصنوعی به منظور تعیین پارامترهای باد بر پیش بینی پدیده طوفان گرد و غبار (مطالعه موردی: استان یزد)

نیاز بشر به آرامش زیستن در محیط در مقابل حوادث طبیعی که همواره وی را تهدید می کند او را وادار می سازد که عناصر، حوادث و نیروهای طبیعت را بهتر بشناسد و به نحوی معتدل با آن سازش پیدا کند. هدف از مطالعه تعیین عوامل تاثیر گذار بر پدیده طوفان گرد و غبار با استفاده از روش های مختلف است. در این مطالعه به منظور تعیین مناسب ترین ترکیب ورودی از روش های کاهش متغیر تحلیل عاملی (حداکثر احتمال، مولفه اصلی)، تجزیه مولفه های اصلی، آزمون تست گاما و رگرسیون گام به گام پیشرونده استفاده شد. هر کدام از روش های مذکور ترکیب متفاوتی را ارائه نمودند که هر کدام از این ترکیب ها در مدل شبکه عصبی پیشخور پس انتشار با توابع آموزشی لورنبرگ مارکوآت استفاده شد که رگرسیون گام به گام پیشرونده با R2=0.87 و RMSE=0.04 مناسب ترین ترکیب را برای مدل شبکه عصبی معرفی نمود. همچنین داده ها را به صورت ماهانه و فصلی با استفاده از مناسب ترین ورودی به شبکه اعمال شد و شبیه سازی پدیده طوفان گرد و غبار در فصل های تابستان و بهار و در ماه های اردیبهشت، فروردین، خرداد، تیر، شهریور و مرداد با شاخص های آماری ضریب همبستگی بالاتر و میانگین مربعات خطای پایین تر بدلیل پراکنش مناسب داده های طوفان گرد و غبار انتخاب شد. نتایج مناسب ترین روش برای تعیین ترکیب ورودی نشان دهنده اینست که بیشترین تاثیر بر پدیده طوفان گرد و غبار را عوامل سرعت باد غالب، دید افقی، تداوم باد و میانگین سرعت به عهده دارند.