محمد انصاری قوجقار؛ سوسن سلاجقه؛ پریا پورمحمد
چکیده
این مطالعه با هدف مدلسازی طوفانهای گرد و غبار با استفاده از مدلهای هیبریدی جنکینز- کاتالیزور SARIMA- ACOR و SARIMA- PSO در استان خوزستان انجام شده است. بدین منظور از دادههای ساعتی گرد و غبار و کدهای سازمان جهانی هواشناسی در هفت ایستگاه سینوپتیک استان خوزستان در طول دوره آماری 40 ساله استفاده شده است. به‌منظور ارزیابی دقیقتر و کاش خطاهای ...
بیشتر
این مطالعه با هدف مدلسازی طوفانهای گرد و غبار با استفاده از مدلهای هیبریدی جنکینز- کاتالیزور SARIMA- ACOR و SARIMA- PSO در استان خوزستان انجام شده است. بدین منظور از دادههای ساعتی گرد و غبار و کدهای سازمان جهانی هواشناسی در هفت ایستگاه سینوپتیک استان خوزستان در طول دوره آماری 40 ساله استفاده شده است. به‌منظور ارزیابی دقیقتر و کاش خطاهای ممکن، در این پژوهش از ترکیب کاتالیزور (الگوریتمهای بهینهسازی) کلونی مورچگان (ACOR) و ازدحام ذرات (PSO) با مدل باکس- جنکینز SARIMA استفاده شده است. در واقع از کاتالیزور‌ها به‌منظور آموزش‌مدل‌ها، انتخاب بهترین مقادیر برای پارامترها، تشخیص الگو و خوشه‌بندی، یادگیری تقویتی، پردازش تصویر، طراحی سیستم‌های هوشمند و بهینهسازی مدلهای مولد استفاده می‌شود. به‌منظور انتخاب و تعیین بهترین مدل، معیار‌های نیکویی برازش شامل R، RMSE، MAE و NS مورد استفاده قرار گرفته‌اند. نتایج پژوهش حاکی از عملکرد بهتر مدل هیبریدی جنکینز- کاتالیزور SARIMA- ACOR با اختلاف، نسبت به مدل هیبریدی SARIMA- PSO و همچنین مدل انفرادی SARIMA بود. در این بین نیز، ترکیب‌های فصلی یک و دو بیشترین عملکرد و دقت را نسبت به سایر ترکیب‌های فصلی داشتند. مدل بهتر مدل هیبریدی جنکینز- کاتالیزور SARIMA- ACOR با با ریشه میانگین مربعات خطا (RMSE="0/219-0/198" )، ضریب همبستگی (R="0/891-0/859" )، میانگین قدرمطلق خطا (MAE="0/142-0/123" ) و ضریب نش- ساتکلیف (NS="0/881-0/862" ) بهترین عملکرد را نسبت به سایر مدلهای استفادهشده برای پیشبینی شاخص FDSD نمایش داده است.
محمد انصاری قوجقار؛ مسعود پورغلام آمیجی؛ شهاب عراقی نژاد؛ ایمان باباییان؛ عبدالمجید لیاقت؛ علی سلاجقه
چکیده
واضح و مبرهن است که پدیده ENSO بر رژیم هیدرولوژیکی و اقلیمی نقاط مختلف کره زمین مؤثر می باشد اما اینکه شدت این تأثیر در نقاط مختلف به چه اندازه است، هنوز پاسخی به آن داده نشده و لذا این تحقیق در جهت پاسخ به این سوال مهم انجام شده است. در این پژوهش با استفاده از شاخص نینوی اقیانوسی (ONI)، تأثیر فاز مثبت النینو-نوسانات جنوبی اقیانوس آرام (ENSO) ...
بیشتر
واضح و مبرهن است که پدیده ENSO بر رژیم هیدرولوژیکی و اقلیمی نقاط مختلف کره زمین مؤثر می باشد اما اینکه شدت این تأثیر در نقاط مختلف به چه اندازه است، هنوز پاسخی به آن داده نشده و لذا این تحقیق در جهت پاسخ به این سوال مهم انجام شده است. در این پژوهش با استفاده از شاخص نینوی اقیانوسی (ONI)، تأثیر فاز مثبت النینو-نوسانات جنوبی اقیانوس آرام (ENSO) بر فراوانی روزهای همراه با طوفان گردوغبار (FDSD) در 12 ایستگاه سینوپتیک واقع در دو استان خوزستان و سیستان و بلوچستان در بازه زمانی 40 ساله (2019-1980) بررسی شده است. بدین منظور از دادههای ساعتی گردوغبار، کدهای سازمان جهانی هواشناسی، سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) و تغییرات زمانی شاخص FDSD در دو فاز خنثی و وقوع النینو استفاده شد. نتایج برآورد مدل ANFIS و مقادیر مشاهداتی شاخص FDSD نشان داد که در زمان وقوع النینو در استان‌های خوزستان و سیستان و بلوچستان به ترتیب در 33 و 17 واقعه، مقادیر مشاهداتی متغیر فراوانی روزهای همراه با طوفان گردوغبار کمتر از مقادیر برآوردشده آن به ثبت رسیده است. همچنین نتایج نشان داد که فاز مثبت ONI، بر طوفانهای گردوغبار استان خوزستان نسبت به استان سیستان و بلوچستان تأثیرگذارتر است. از این رو، در زمان وقوع فاز گرم ENSO باید اقدامات بیشتری را در زمینه کنترل و مدیریت طوفانهای گردوغبار و اثرات مخرب آن در مناطقی که منشا طوفان گردوغبار آن به صورت خارجی است، اتخاذ نمود.
محمد انصاری قوجقار؛ مسعود پورغلام آمیجی؛ شهاب عراقی نژاد؛ بنفشه زهرایی؛ سامان رضوی؛ علی سلاجقه
چکیده
به منظور کنترل و مدیریت صحیح طوفانهای گرد و غبار، آگاهی از تغییرات زمانی- مکانی این پدیده و لزوم پیشبینی و مدلسازی آن با هدف شناخت دقیقتر رفتار طوفانهای گرد و غبار نسبت به محرکهای طبیعی و انسانی، امری ضروری است. با توجه به توسعه روز افزون فرامدلها و ترکیب آنها با الگوریتمهای بهینهسازی به منظور مدلسازی ...
بیشتر
به منظور کنترل و مدیریت صحیح طوفانهای گرد و غبار، آگاهی از تغییرات زمانی- مکانی این پدیده و لزوم پیشبینی و مدلسازی آن با هدف شناخت دقیقتر رفتار طوفانهای گرد و غبار نسبت به محرکهای طبیعی و انسانی، امری ضروری است. با توجه به توسعه روز افزون فرامدلها و ترکیب آنها با الگوریتمهای بهینهسازی به منظور مدلسازی و پیشبینی متغیرهای هواشناسی، در این پژوهش چهار الگوریتم بهینهسازی فراکاوشی ازدحام ذرات (PSO)، ژنتیک (GA)، کلونی مورچگان در محیطهای پیوسته (ACOR) و تکاملی تفاضلی (DE) با مدل سیستم استنتاج تطبیقی فازی عصبی (ANFIS) ترکیب شد. عملکرد چهار مدل ترکیبی توسعه دادهشده با مدل ANFISبرای پیشبینی 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 دادههای 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 شاخصهای نیکویی برازش در مرحله آموزش و آزمایش نشان داد که اختلاف معنیداری بین روش ANFIS و سایر مدلهای 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 الگوریتمهای بهینهسازی استفادهشده با مدل ANFIS نتایج مدل را نسبت به مدل انفرادی ANFIS به صورت معنیداری بهبود نمیبخشد.
