کاربست فرامدل هیبریدی سهگانۀ RBF- GA- SARIMA در مدلسازی توفانهای گردوغبار (مطالعۀ موردی: استان سیستان و بلوچستان)
(ندگان)پدیدآور
انصاری قوجقار, محمدپورمحمد, پریا
نوع مدرک
Textپژوهشی کاربردی
زبان مدرک
فارسیچکیده
در این پژوهش عملکرد فرامدل هیبریدی سهگانۀ RBF- GA- SAARIMA برای پیشبینی فراوانی روزهای همراه با توفان گردوغبار در استان سیستان و بلوچستان در طول دورۀ آماری 50ساله (2020- 1971) بررسی شد. در گام بعدی، نتایج مدلسازی با این فرامدل هیبریدی سهگانه با استفاده از شاخصهای نیکویی برازش، با مدلهای انفرادی SARIMA و RBF و مدلهای هیبریدی دوگانۀ SARIMA- GA، RBF- GA و RBF- SARIMA مقایسه شد. همۀ مدلهای بیانشده در هر پنج ایستگاه، در ترکیب فصلی چهارم حداکثر دقت و عملکرد خود را نشان دادند. با بهکارگیری یک و دو فصل قبل بهجای فصول قدیمیتر، کاهش دقت و افزایش خطای نسبی در پیشبینی شاخص FDSD در استان سیستان و بلوچستان، به چشم میخورد. بهعبارت دیگر، ترسیب ذرات شن و گردوغبار از فصلهای پیشین و سپس انتقال آنها با استفاده از اهرمی قدرتمند مانند باد، سبب رخداد این توفانها در فصلهای آتی میشود. از میان مدلهای بررسیشده، فرامدل هیبریدی سهگانۀ پیشنهادی با بیشترین دقت و کارایی، بهترین روش بهمنظور پیشبینی شاخص فراوانی روزهای همراه با توفان گردوغبار انتخاب شد. مدل هیبریدی دوگانۀ RBF- SARIMA نیز با کمترین مقدار R و بیشترین RMSE، کمترین بازدهی را در پیشبینی این شاخص داشت. میتوان نتیجه گرفت که تلفیق مدلهای انفرادی لزوماً بهمعنای افزایش دقت در مدلسازی متغیرهای اقلیمی نیست
کلید واژگان
الگوریتم ژنتیکباکس جنکینز
خودهمبستۀ فصلی
شبکۀ عصبی مصنوعی
FDSD
شماره نشریه
4تاریخ نشر
2024-12-211403-10-01
ناشر
دانشگاه تهرانسازمان پدید آورنده
استادیار، گروه مهندسی احیای مناطق خشک و کوهستانی، دانشکدۀ منابع طبیعی، دانشگاه تهران، ایراندانشجوی دکتری، گروه مهندسی احیای مناطق خشک و کوهستانی، دانشکدۀ منابع طبیعی، دانشگاه تهران، ایران
شاپا
2423-415X2423-4168



