بررسی فرامدل هیبریدی سه‌گانه MLP- PSO- ARIMA به‌منظور پیش‌بینی شاخص FDSD (مطالعه موردی: استان خوزستان)

نویسندگان

1 استادیار، گروه مهندسی احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

doi
10.22034/iwrr.2025.494142.2812
چکیده

پژوهش حاضر با هدف بررسی عملکرد فرامدل هیبریدی سه‌گانه ماشین- کاتالیزور- جنکینز MLP-PSO-ARIMA در پیش‌بینی شاخص فراوانی روزهای همراه با طوفان گرد و غبار، در هفت ایستگاه منتخب در استان خوزستان در طول دوره آماری 50 سال (2019- 1970) و با استفاده از داده‎های دید افقی و کدهای سازمان جهانی هواشناسی انجام شده ‌است. نتایج حاصل از فرامدل هیبریدی سه‌گانه فوق با استفاده از شاخص‌های R، RMSE، MAE و NS با مدل‌‌های انفرادی MLP و ARIMA و همچنین فرامدل‌های هیبریدی MLP-PSO، ARIMA-PSO و MLP-ARIMA مورد مقایسه قرار گرفته است. تمامی مدل‌های مذکور بیشترین عملکرد خود را در ترکیب‌های فصلی اول و دوم نمایش دادند. لذا می‌توان نتیجه‌ گرفت که استفاده از یک و یا دو فصل پیشین به‌منظور پیش‌بینی شاخص FDSD در فصل‌های آتی در استان خوزستان نتایج بهتر و دقیق‌تری به‌همراه دارد و بکارگیری فصول سوم و چهارم، سبب بهبود نتیجه پیش‌بینی نخواهد شد. از طرف دیگر، دقت مدل شبکه عصبی پرسپترون چندلایه از مدل باکس- جنکینز ARIMA به‌منظور پیش‌بینی گرد و غبار استان خوزستان بیش‌تر شده است. همچنین، ترکیب مدل MLP با مدل ARIMA سبب افزایش دقت نسبت به مدل‌های انفرادی MLP و ARIMA شد ولی رشد دقت آن آنچنان معنی‌دار نبود. از طرف دیگر، مدل هیبرید سه‌گانه سبب افزایش رشد معنی‌دار دقت نسبت به مدل هیبرید دو‌گانه فوق شده است.