مقایسه کارایی شبکه های عصبی آماری، فازی و پرسپترونی در پیش بینی طوفان های گرد و غبار در نواحی بحرانی کشور
مناطق مختلف، استعدادهای متفاوتی در انتشار گرد و غبار دارند و افزایش طوفان های گرد و غبار نشان دهنده حاکمیت اکوسیستم بیابانی در هر منطقه است. درک صحیح وقوع طوفان های گرد و غبار در هر منطقه، به مدیریت و کاهش خسارت های حاصل از گرد و غبار کمک شایانی می کند. هدف از این تحقیق پیش بینی فراوانی روزهای همراه با طوفان های گرد و غبار (FDSD) در مقیاس زمانی فصلی است. بدین منظور، با استفاده از داده های سینوپ ساعتی و کدهای گرد و غبار سازمان جهانی هواشناسی، روز های همراه با طوفان های گرد و غبار در شش ایستگاه همدید زابل، آبادان، اهواز، زاهدان، بستان و مسجدسلیمان با طول دوره آماری 25 ساله (2014-1990) تعیین شد. پس از محاسبه فراوانی تعداد روزهای همراه با طوفان های گرد و غبار و تشکیل سری های زمانی فصلی، با استفاده از چهار روش هوش مصنوعی شامل شبکه عصبی پرسپترونی چندلایه (MLP)، سیستم استنباط عصبی-فازی تطبیقی (ANFIS)، شبکه عصبی مبتنی بر توابع پایه شعاعی (RBF) و شبکه عصبی رگرسیون تعمیم یافته (GRNN) اقدام به پیش بینی فراوانی روزهای همراه با طوفان های گرد و غبار در یک فصل بعد شد. نتایج حاکی از افزایش دقت پیش بینی ها در فصول همراه با تعداد بیشتر روزهای همراه با طوفان گرد و غبار بود؛ به نحوی که بر اساس نتایج حاصل از مدل MLP، ضریب همبستگی بین مقادیر مشاهداتی و پیش بینی شده فراوانی روزهای همراه با طوفان گرد و غبار برای ایستگاه مسجدسلیمان و زابل به ترتیب 8/0 و 97/0 بوده است. با این توضیح که زابل بیشترین فراوانی را در بین این ایستگاه ها دارد. همچنین با توجه به نتیجه مدل های ANFIS، RBF و GRNN به ترتیب ضریب همبستگی محاسبه شده برای پیش بینی در ایستگاه های مسجدسلیمان و زابل از 41/0 تا 95/0، 35/0 تا 92/0 و 22/0 تا 98/0 متغیر بود. در مجموع با مقایسه نتیجه مدل های مورد استفاده، ANFIS بهترین عملکرد و بعد از آن GRNN بهترین نتیجه را ارایه نموده است. نتایج این مطالعه می تواند در مدیریت پیامدهای ناشی از طوفان گرد و غبار و برنامه های مقابله با بیابان زایی در مناطق تحت مطالعه مفید باشد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.