مدل‏ سازی و پیش ‏بینی گرد و غبار در غرب ایران

Abstract

برای مدل‏سازی و پیش‏یابی پدیدة مخاطره‏ای گرد و غبار در مناطق گردوغبارخیز ایران، نخست داده‏های گرد و غبار، دما، و رطوبت 28 ایستگاه مناطق درگیر شدید با گرد و غبار در ایران در بازة زمانی 29 ساله (2018-1990) اخذ شد. سپس، با استفاده از مدل‏های شبکة عصبی ANFIS و RBF در نرم‏افزار MATLAB مدل‏سازی‏ها انجام گرفت. داده‏های گرد و غبار به‏دست‏آمده از پیش‏بینی با استفاده از مدل تصمیم‏گیری چندمتغیرة TOPSIS و مناطق بیشتر درگیر با پدیدة مخاطره‏ای گرد و غبار برای سال‏های آتی اولویت‏سنجی و مشخص شدند. براساس نتایج پژوهش، مقایسة دو مدل شبکة 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 پیش‏بینی گرد و غبار در سال‏های شبیه‏سازی‏شده بیشتر است. براساس نتایج خروجی مدل شبکه عصبی- مصنوعی RBF در پیش‌بینی گرد و غبار برای سال‏های آتی ایستگاه­های مورد مطالعه؛ در هر دو مقیاس میانگین و حداکثر فراوانی گرد و غبار، ایستگاه‏های غربی و جنوب غربی منطقه مورد پژوهش بیشتر در معرض گرد و غبار در سال­های آینده قرار گرفتند. همچنین، در مدل TOPSIS، ایستگاه‏های آبادان، مسجد سلیمان، و اهواز به‏ترتیب با مقدار درصد (1، 95_/0، و 81_/0) در معرض گرد و غبار قرار گرفتند.