ارزیابی ترکیب مدل ANFIS با الگوریتم های فراکاوشی بهینه سازی در پیش بینی طوفان های گرد و غبار استان خوزستان

به منظور کنترل و مدیریت صحیح طوفان های گرد و غبار، آگاهی از تغییرات زمانی- مکانی این پدیده و لزوم پیش بینی و مدل سازی آن با هدف شناخت دقیق تر رفتار طوفان های گرد و غبار نسبت به محرک های طبیعی و انسانی، امری ضروری است. با توجه به توسعه روز افزون فرامدل ها و ترکیب آن ها با الگوریتم های بهینه سازی به منظور مدل سازی و پیش بینی متغیرهای هواشناسی، در این پژوهش چهار الگوریتم بهینه سازی فراکاوشی ازدحام ذرات (PSO)، ژنتیک (GA)، کلونی مورچگان در محیط های پیوسته (ACOR) و تکاملی تفاضلی (DE) با مدل سیستم استنتاج تطبیقی فازی عصبی (ANFIS) ترکیب شد. عملکرد چهار مدل ترکیبی توسعه داده شده با مدل  ANFISبرای پیش بینی متغیرهای فراوانی روزهای همراه با طوفان گرد و غبار (FDSD) در مقیاس فصلی در استان خوزستان در جنوب غربی ایران ارزیابی شد. بدین منظور از داده های ساعتی گرد و غبار و کدهای سازمان جهانی هواشناسی در مقیاس فصلی با طول دوره آماری 40 ساله (2019-1980) در هفت ایستگاه سینوپتیک استان خوزستان استفاده شد. نتایج شاخص های نیکویی برازش در مرحله آموزش و آزمایش نشان داد که اختلاف معنی داری بین روش ANFIS و سایر مدل های ترکیبی مورد استفاده وجود ندارد. مقادیر R و RMSE برترین مدل ترکیبی (ANFIS-PSO) به ترتیب از 88/0 تا 97/0 و 10/0 تا 19/0 و در مدل ANFIS به ترتیب از 83/0 تا 94/0 و 11/0 تا 21/0 متغیر بودند. همچنین نتایج نشان داد که ترکیب الگوریتم های بهینه سازی استفاده شده با مدل ANFIS نتایج مدل را نسبت به مدل انفرادی ANFIS به صورت معنی داری بهبود نمی بخشد.