مقایسه کارایی شبکه‌های عصبی آماری، فازی و پرسپترونی در پیش‌بینی طوفان‌های گردوغبار در نواحی بحرانی کشور

Authors

  • جواد بذرافشان گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
  • شهاب عراقی نژاد گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
  • عبدالمجید لیاقت گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
  • محمد انصاری قوجقار دانشجوی دکتری مهندسی منابع آب گروه مهندسی آبیاری و آبادانی، دانشگاه تهران ، کرج، ایران
  • مسعود پورغلام آمیجی گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
Abstract:

مناطق مختلف، استعدادهای متفاوتی در انتشار گردوغبار دارند و افزایش طوفان‌های گردوغبار نشان‌دهنده حاکمیت اکوسیستم بیابانی در هر منطقه است. درک صحیح وقوع طوفان‌های گردوغبار در هر منطقه، به مدیریت و کاهش خسارت‌های حاصل از گردوغبار کمک شایانی می‌کند. هدف از این تحقیق پیش‌بینی فراوانی روزهای همراه با طوفان‌های گردوغبار (FDSD) در مقیاس زمانی فصلی است. بدین منظور، با استفاده از داده‌های سینوپ ساعتی و کدهای گردوغبار سازمان جهانی هواشناسی، روز‌های همراه با طوفان­های گردوغبار در شش ایستگاه همدید زابل، آبادان، اهواز، زاهدان، بستان و مسجدسلیمان با طول دوره آماری 25 ساله (2014-1990) تعیین شد. پس از محاسبه فراوانی تعداد روزهای همراه با طوفان­های گردوغبار و تشکیل سری‌های زمانی فصلی، با استفاده از چهار روش هوش مصنوعی شامل شبکه عصبی پرسپترونی چندلایه (MLP)، سیستم استنباط عصبی-فازی تطبیقی (ANFIS)، شبکه عصبی مبتنی بر توابع پایه شعاعی (RBF) و شبکه عصبی رگرسیون تعمیم‌یافته (GRNN) اقدام به پیش‌بینی فراوانی روزهای همراه با طوفان‌های گردوغبار در یک فصل بعد شد. نتایج حاکی از افزایش دقت پیش‌بینی‌ها در فصول همراه با تعداد بیشتر روزهای همراه با طوفان گردوغبار بود؛ به نحوی که بر اساس نتایج حاصل از مدل MLP، ضریب همبستگی بین مقادیر مشاهداتی و پیش‌بینی‌شده فراوانی روزهای همراه با طوفان گردوغبار برای ایستگاه مسجدسلیمان و زابل به ترتیب 8/0 و 97/0 بوده است. با این توضیح که زابل بیشترین فراوانی را در بین این ایستگاه‌ها دارد. همچنین با توجه به نتیجه مدل‌های ANFIS، RBF و GRNN به ترتیب ضریب همبستگی محاسبه‌شده برای پیش‌بینی در ایستگاه‌های مسجدسلیمان و زابل از 41/0 تا 95/0، 35/0 تا 92/0 و 22/0 تا 98/0 متغیر بود. در مجموع با مقایسه نتیجه مدل‌های مورد استفاده، ANFIS بهترین عملکرد و بعد از آن GRNN بهترین نتیجه را ارائه نموده است. نتایج این مطالعه می‌تواند در مدیریت پیامدهای ناشی از طوفان گردوغبار و برنامه‌های مقابله با بیابان‌زایی در مناطق تحت مطالعه مفید باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

Degenerate Four Wave Mixing in Photonic Crystal Fibers

In this study, Four Wave Mixing (FWM) characteristics in photonic crystal fibers are investigated. The effect of channel spacing, phase mismatching, and fiber length on FWM efficiency have been studied. The variation of idler frequency which obtained by this technique with pumping and signal wavelengths has been discussed. The effect of fiber dispersion has been taken into account; we obtain th...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

بررسی کارایی روش‌های عصبی- فازی و مدل‌های آماری در شبیه‌سازی فرآیند بارش-رواناب

یکی از پیچیده‌ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است,‏ که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می‌پذیرد. در این پژوهش با بهره‌گیری از روش‌های آماری ARMAX, شبکه عصبی, عصبی-فازی (ANFIS با جداسازی خوشه‌ای و شبکه‌ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل‌سازی فرآیند بارش-رواناب و پیش‌بینی جریان رودخانه بهره‌گیری شد. به طوری که درآغاز ساختار بهینه هر یک از مدل‌ها تعیین ...

full text

ارزیابی روش‌های فازی، عصبی و فازی- عصبی در تخمین تابش خورشیدی کشور

تابش خورشیدی در تعیین محل بهینه‌ی نیروگاه‌های خورشیدی و در مطالعات زمین‌شناسی و اکولوژیکی عاملی تأثیرگذار بوده و پارامتر اصلی بسیاری از مدل‌های هواشناسی و هیدرولوژیکی می‌باشد. در ایران 63 ایستگاه تابش‌سنجی موجود است که در قیاس با گستره‌ی کشور تراکم پایینی برای شبکه پایش تابش خورشیدی محسوب می‌شود. در تحقیق حاضر به منظور افزایش تراکم شبکه تابش‌سنجی و در نتیجه پهنه‌بندی دقیق تابش خورشیدی، از اطلاع...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 51  issue 8

pages  2051- 2063

publication date 2020-10-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023