ارزیابی کارایی الگوریتم ژنتیک و روش هیبریدی GA-SA در پیشبینی طوفانهای گردوغبار (مطالعه موردی: استان خوزستان)
نویسندگان
1 دانشجوی دکتری مهندسی منابع آب گروه مهندسی آبیاری و آبادانی، دانشگاه تهران ، کرج، ایران
2 گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران
3 پژوهشگر پسا دکتری، موسسه علوم جغرافیایی و تحقیقات منابع طبیعی، آکادمی علوم چین، پکن، چین.
4 گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
5 گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
6 گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
doi
10.22059/ijswr.2020.303365.668628چکیده
افزایش وقوع طوفانهای گردوغبار در چند سال اخیر در جنوب غرب ایران بهویژه در استان خوزستان و به تبع آن کاهش کیفیت هوا در این مناطق، اهمیت پیشبینی و ارتباط این پدیده با نوسانات اقلیمی را دوچندان کرده است. هدف از این پژوهش بررسی کارایی روشهای هیبریدی ژنتیک-تبرید (GA-SA) و الگوریتم ژنتیک (GA) بهمنظور انتخاب متغیرهای ورودی بهینه در پیشبینی فراوانی روزهای همراه با طوفان گردوغبار (FDSD) است. بدین منظور از دادههای ساعتی گردوغبار و کدهای سازمان هواشناسی و همچنین دادههای اقلیمی شامل دمای حداکثر، دمای حداقل، دمای متوسط، مجموع بارش و سرعت بیشینه باد در مقیاس فصلی با طول دوره آماری ۳۵ ساله (۲۰۱۸-۱۹۸۴) در هفت ایستگاه سینوپتیک استان خوزستان استفاده شد. در ادامه با در دست بودن سری زمانی شاخص FDSD و سایر متغیرهای اقلیمی، اقدام به مقایسه کارایی حالتهای مختلف متغیرهای ورودی، به منظور پیشبینی فراوانی روزهای همراه با طوفان گردوغبار در فصل آینده شد. نتایج نشان داد که روش هیبریدی ژنتیک-تبرید (GA-SA) در بین تمام حالتهای انتخاب متغیرهای ورودی، بهترین عملکرد را داشت؛ بهطوری که در این حالت معیارهای ارزیابی R، MAE و RMSE بهترتیب از 91/0، 29/0 و 44/0 تا 99/0، 13/0 و 17/0 در ایستگاههای مورد مطالعه متغیر بود. همچنین متوسط فراوانی روزهای همراه با طوفان گردوغبار در مقیاس فصلی در ایستگاههای مورد مطالعه به ترتیب صعودی از 68/1 تا 10/4 متغیر بود به طوری که با افزایش شاخص FDSD در ایستگاه مورد مطالعه، دقت پیشبینی تمام حالتها افزایش داشت به نحوی که در حالت اول پیشبینی (صرفاً بر اساس شاخص FDSD)، ضریب همبستگی بین مقادیر مشاهداتی فراوانی روزهای همراه با طوفان گردوغبار و مقادیر محاسباتی آن از 87/0 به 95/0 افزایش یافت. برای حالت دوم (پیشبینی بر اساس فروانی روزهای همراه با طوفان گردوغبار و همه ویژگیهای کمکی یعنی FDSD & AC)، حالت سوم (بر اساس بهینهسازی الگوریتم ژنتیک) و حالت چهارم (بر اساس روش هیبریدی ژنتیک-تبرید) نیز ضریب همبستگی بهترتیب از 93/0 تا 94/0، 91/0 تا 97/0 و 94/0 تا 99/0 در ایستگاههای موردمطالعه متغیر بود. در مجموع با مقایسه حالتهای مورد استفاده، روش هیبریدی ژنتیک-تبرید (GA-SA) بهترین عملکرد و بعد از آن الگوریتم ژنتیک (GA) بهترین نتیجه را ارائه نمود. نتایج این مطالعه میتواند در مدیریت پیامدهای ناشی از طوفان گردوغبار و برنامههای مقابله با بیابانزایی در مناطق تحت مطالعه مفید باشد.