بررسی عملکرد مدل هیبریدی ماشین بردار پشتیبان- موجک درپیش بینی توفان های گرد و غبار (مطالعه موردی: استان سیستان و بلوچستان)

به منظور کنترل و مدیریت صحیح توفان های گرد و غبار، آگاهی از تغییرات زمانی این پدیده و لزوم پیش بینی و مدل سازی آن ضروری است. در این پژوهش به منظور پیش بینی متغیر فراوانی روزهای همراه با توفان گرد و غبار (FDSD)، نتایج دو روش هیبریدی با نام ماشین بردار پشتیبان- موجک (W-SVM) و ماشین بردار پشتیبان- الگوریتم گیاهان مصنوعی (AF-SVM) به همراه مدل انفرادی ماشین بردار پشتیبان (SVM)، مقایسه شد. بدین منظور از داده های ساعتی گرد و غبار و کدهای سازمان جهانی هواشناسی در مقیاس فصلی با طول دوره آماری چهل ساله (2018-1980) در پنج ایستگاه سینوپتیک منتخب استان سیستان و بلوچستان استفاده شد. معیارهای ضریب تبیین، ریشه میانگین مربعات خطا، میانگین قدرمطلق خطا و ضریب نش ساتکلیف برای ارزیابی و مقایسه مدل ها، استفاده شد. نتایج در مرحله آموزش و آزمایش نشان داد که ساختارهای ترکیبی استفاده شده، نتایج قابل قبولی در مدل سازی شاخص FDSD ارایه می کنند. مدل هیبریدی ماشین بردار پشتیبان- موجک با ضریب همبستگی (984/0-911/0R2=)، ریشه میانگین مربعات خطا (day 314/0-397/0RMSE=)، میانگین قدر مطلق خطا (day 335/0-236/0MAE=) و ضریب نش ساتکلیف (965/0-924/0NS=)، عملکرد بهتری نسبت به دیگر مدل های استفاده شده در پیش بینی شاخص FDSD داشته است. نتایج این تحقیق می تواند در مدیریت پیامدهای ناشی از توفان های گرد و غبار و برنامه های مقابله با بیابان زایی در مناطق تحت مطالعه موثر واقع شود.