فهرست نشریات علمی دسترسی آزاد ایران

امروزه پدیده گرد و غبار در شمار مهم‌ترین مخاطرات طبیعی قرار گرفته و اثرات نامطلوبی بر سلامتی انسان، کشاورزی و محیط‌زیست برجای گذاشته است. هدف پژوهش حاضر پیش‌بینی فراوانی طوفان‌های گرد و غبار در ۱۷ ایستگاه منتخب نیمه غربی ایران است. بدین منظور، برای محاسبه فراوانی از کدهای گرد و غبار و دید افقی کمتر از ۱ کیلومتر دوره آماری ۲۰۲۳-۱۹۸۷ استفاده شد. سپس شبکه‌های عصبی توابع پایه شعاعی (RBF)، پرسپترون چندلایه (MLP)، سیستم استنتاج عصبی -فازی (ANFIS) و رگرسیون بردار پشتیبان (SVR) جهت پیش‌بینی گرد و غبار انتخاب شد. داده‌های رطوبت، دما، بارش، سرعت و جهت باد به‌عنوان داده‌های ورودی و داده روزهای توأم با گرد و غبار به‌عنوان هدف، در مدل‌سازی‌ها‌ به کار گرفته شد. داده‌ها به دو گروه تقسیم شدند. از ۸۰ درصد داده‌ها برای آموزش و از ۲۰ درصد دیگر برای آزمون شبکه استفاده شد. نتایج مقایسه مدل‌های مورد استفاده نشان داد که بر اساس نتایج حاصل از مدل RBF، بیشترین مقدار ضریب همبستگی در ایستگاه‌های کرمانشاه، رامهرمز و اسلام‌آبادغرب به ترتیب برابر با ۹۹/۰، ۹۷/۰ و ۹۵/۰ بوده است. در مجموع، این مدل به دلیل خطای کمتر و همبستگی بیشتر در ایستگاه‌ها بهترین عملکرد را ارائه نموده است؛ بنابراین به دلیل داشتن توانایی بالا، می‌تواند یک راهکار سریع در پیش‌بینی مقدار گرد و غبار و پراکنش آن باشد. نتایج خروجی مدل RBF برای پیش‌بینی گرد و غبار در آینده (۲۰۴۰-۲۰۲۴) نشان داد احتمال رخداد طوفان‌های گرد و غبار در آبادان و اهواز بیشتر بوده و همانند دوره مشاهداتی، الیگودرز را می‌توان جزو ایستگاه کم‌باد منطقه به‌ حساب آورد.