مدل‏ سازی و پیش ‏بینی گرد و غبار در غرب ایران

برای مدل‏سازی و پیش‏یابی پدیده مخاطره‏ای گرد و غبار در مناطق گرد و غبارخیز ایران، نخست داده ‏های گرد و غبار، دما، و رطوبت 28 ایستگاه مناطق درگیر شدید با گرد و غبار در ایران در بازه زمانی 29 ساله (2018-1990) اخذ شد. سپس، با استفاده از مدل‏های شبکه عصبی ANFIS و RBF در نرم‏ افزار MATLAB مدل‏سازی‏ها انجام گرفت. داده‏های گرد و غبار به ‏دست ‏آمده از پیش ‏بینی با استفاده از مدل تصمیم‏ گیری چندمتغیره TOPSIS و مناطق بیشتر درگیر با پدیده مخاطره‏ای گرد و غبار برای سال‏های آتی اولویت ‏سنجی و مشخص شدند. براساس نتایج پژوهش، مقایسه دو مدل شبکه عصبی ANFIS و RBF در بهترین شرایط نشان داد که مقدار RMSE مدل ANFIS برابر با 67/11 و مدل RBF برابر با 19/2 است. بنابراین، قدرت دقت RBF در پیش ‏بینی گرد و غبار در سال‏های شبیه ‏سازی‏ شده بیشتر است. براساس نتایج خروجی مدل شبکه عصبی- مصنوعی RBF در پیش بینی گرد و غبار برای سال‏های آتی ایستگاه های مورد مطالعه؛ در هر دو مقیاس میانگین و حداکثر فراوانی گرد و غبار، ایستگاه ‏های غربی و جنوب غربی منطقه مورد پژوهش بیشتر در معرض گرد و غبار در سال های آینده قرار گرفتند. همچنین، در مدل TOPSIS، ایستگاه‏ های آبادان، مسجد سلیمان، و اهواز به‏ ترتیب با مقدار درصد (1، 95/0، و 81/0) در معرض گرد و غبار قرار گرفتند.