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.