ارزیابی کارایی الگوریتم ژنتیک و روش هیبریدی GA-SA در پیش بینی طوفان های گرد و غبار (مطالعه موردی: استان خوزستان)

افزایش وقوع طوفان های گرد و غبار در چند سال اخیر در جنوب غرب ایران به ویژه در استان خوزستان و به تبع آن کاهش کیفیت هوا در این مناطق، اهمیت پیش بینی و ارتباط این پدیده با نوسانات اقلیمی را دوچندان کرده است. هدف از این پژوهش بررسی کارایی روش های هیبریدی ژنتیک-تبرید (GA-SA) و الگوریتم ژنتیک (GA) به منظور انتخاب متغیرهای ورودی بهینه در پیش بینی فراوانی روزهای همراه با طوفان گرد و غبار (FDSD) است. بدین منظور از داده های ساعتی گرد و غبار و کدهای سازمان هواشناسی و همچنین داده های اقلیمی شامل دمای حداکثر، دمای حداقل، دمای متوسط، مجموع بارش و سرعت بیشینه باد در مقیاس فصلی با طول دوره آماری 35 ساله (2018-1984) در هفت ایستگاه سینوپتیک استان خوزستان استفاده شد. در ادامه با در دست بودن سری زمانی شاخص FDSD و سایر متغیرهای اقلیمی، اقدام به مقایسه کارایی حالت های مختلف متغیرهای ورودی، به منظور پیش بینی فراوانی روزهای همراه با طوفان گرد و غبار در فصل آینده شد. نتایج نشان داد که روش هیبریدی ژنتیک-تبرید (GA-SA) در بین تمام حالت های انتخاب متغیرهای ورودی، بهترین عملکرد را داشت؛ به طوری که در این حالت معیارهای ارزیابی R، MAE و RMSE به ترتیب از 91/0، 29/0 و 44/0 تا 99/0، 13/0 و 17/0 در ایستگاه های مورد مطالعه متغیر بود. همچنین متوسط فراوانی روزهای همراه با طوفان گرد و غبار در مقیاس فصلی در ایستگاه های مورد مطالعه به ترتیب صعودی از 68/1 تا 10/4 متغیر بود به طوری که با افزایش شاخص FDSD در ایستگاه مورد مطالعه، دقت پیش بینی تمام حالت ها افزایش داشت به نحوی که در حالت اول پیش بینی (صرفا بر اساس شاخص FDSD)، ضریب همبستگی بین مقادیر مشاهداتی فراوانی روزهای همراه با طوفان گرد و غبار و مقادیر محاسباتی آن از 87/0 به 95/0 افزایش یافت. برای حالت دوم (پیش بینی بر اساس فروانی روزهای همراه با طوفان گرد و غبار و همه ویژگی های کمکی یعنی FDSD & AC)، حالت سوم (بر اساس بهینه سازی الگوریتم ژنتیک) و حالت چهارم (بر اساس روش هیبریدی ژنتیک-تبرید) نیز ضریب همبستگی به ترتیب از 93/0 تا 94/0، 91/0 تا 97/0 و 94/0 تا 99/0 در ایستگاه های موردمطالعه متغیر بود. در مجموع با مقایسه حالت های مورد استفاده، روش هیبریدی ژنتیک-تبرید (GA-SA) بهترین عملکرد و بعد از آن الگوریتم ژنتیک (GA) بهترین نتیجه را ارایه نمود. 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.