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.
- 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.