پیش بینی وقوع توفان گرد و غبار با استفاده از روش شبکه های عصبی مصنوعی در شهر کرمانشاه (مقاله علمی وزارت علوم)

چکیده

گردوغبار پدیده ای است که آثار زیست محیطی زیادی را در بخش های مختلف زندگی انسان ها از جمله: کشاورزی، اقتصاد، بهداشت و غیره دارد. هدف از پژوهش حاضر بررسی و پیش بینی پدیده گردوغبار در شهر کرمانشاه می باشد. داده های هواشناسی با وضوح 3 ساعته در دوره آماری (2020-2000) ایستگاه کرمانشاه از سازمان هواشناسی کشور اخذ شد. ابتدا داده های گردوغبار نرمال سازی شد و سپس با استفاده از مدل های شبکه عصبی ANN برای پیش بینی غلظت گردوغبار و شبکه عصبی تطبیقی ANFIS برای خطایابی و پیش بینی سری زمانی وقوع گردوغبار در نرم افزار MATLAB خطایابی و پیش بینی شدند. یافته های پژوهش نشان داد که حداکثر میزان غلظت گردوغبار پیش بینی شده مربوط به حداقل نقطه شبنم با بیشترین میزان همبستگی پیرسون با گردوغبار، به میزان 23/3451 میکروگرم بر مترمکعب برآورد شده است. همچنین نتایج پیش بینی سری زمانی با استفاده از مدل ANFIS نشان داد تابع عضویت زنگوله ای خطی با درجه 3، در مراحل آموزش و آزمون، مطلوب ترین تابع ورودی را در بین دیگر توابع عضویت به خود اختصاص داده است. بر اساس مدل های پیش بینی، بیشترین احتمال رخداد حداکثر گردوغبار در 20 سال آینده کرمانشاه با مقدار 94% به دست آمد.