مدلسازی طوفانهای گرد و غبار با استفاده از مدل هیبریدی سهگانه GRNN- SVM- LSTM (مطالعه موردی: استان سیستان و بلوچستان)
نویسندگان
1 استادیار، گروه مهندسی احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.
2 دانشجوی دکتری، گروه مهندسی احیاء مناطق خشک و کوهستانی، دانشکده مناطق طبیعی، دانشگاه تهران، کرج، ایران.
doi
10.22059/ijswr.2025.385882.669844چکیده
هدف از این پژوهش مقایسه عملکرد فرامدلهای انفرادی GRNN و SVM با مدل هیبریدی سهگانه GRNN- SVM- LSTM بهمنظور پیشبینی فراوانی روزهای همراه با طوفان گرد و غبار در فصل آتی میباشد. بدین منظور از دادههای ساعتی گرد و غبار در هشت سینوپ و کدهای سازمان جهانی هواشناسی در پنج ایستگاه سینوپتیک استان سیستان و بلوچستان در طول دوره آماری 40 ساله (2020- 1980) استفاده شده است. معیارهای R، RMSE، MAE و NS بهمنظور ارزیابی و مقایسه مدلها استفاده شدند. نتایج این پژوهش نشان داد که مدل هیبرید سهگانه پیشنهادی نسبت به سایر روشها بیشترین عملکرد را داشته است. همچنین بیشترین دقت این مدل در ترکیبات فصلی 1 و 2 آن بهمنظور پیشبینی شاخص FDSD حاصل شده است. پس از آن، فرامدل انفرادی SVM در رتبهبندی از لحاظ عملکرد قرار گرفت. این مدل نیز در ترکیبات یک و دو بهترین عملکرد را داشت. مدل شبکه عصبی رگرسیون تعمیمیافته نیز در ترکیبات 1 و 2 عملکرد نسبتاً بهتری را در مقایسه با ترکیب چهارم نمایش داده است. مدل هیبریدی سهگانه GRNN- SVM- LSTM با ریشه میانگین مربعات خطا (501/0-523/0RMSE= )، ضریب همبستگی ( 989/0- 999/0 R= )، میانگین قدرمطلق خطا (421/0- 441/0 =MAE)و ضریب نش- ساتکلیف (893/0- 907/0= NS)بهترین عملکرد را نسبت به سایر مدلهای استفادهشده برای پیشبینی شاخص FDSD نمایش داده است.