ارزیابی روش شبکه عصبی مصنوعی در مدل‌سازی غلظت ریزگردها (مطالعه موردی: استان خوزستان-اهواز)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی دانشگاه علوم و فنون دریایی خرمشهر

2 کارشناس ارشد دانشگاه علوم و فنون دریایی خرمشهر

10.22034/jest.2020.26458.3544

چکیده

زمینه و هدف: توفان‌های گرد‌و‌غبار عمدتاً در مناطق خشک و نیمه‌خشک که خاک مستعد فرسایش بادی است، به وقوع می‌پیوندد. هدف از این پژوهش مدل‌سازی غلظت ریزگردها با استفاده از شبکه عصبی مصنوعی، نروفازی و مدل رگرسیون چند متغیره در استان خوزستان است. روش بررسی: در این پژوهش برای بررسی میزان غلظت ذرات PM10 که به صورت خطی با متغیرهای مستقل و کنترل شده دما، سرعت باد، رطوبت و دمای خاک ارتباط دارد، از مدل رگرسیون چندمتغیره طی سال‌های 1390 تا 1395 در استان خوزستان استفاده شد. در این مطالعه پس از بررسی همبستگی بین متغیرهای مختلف و بررسی سری زمانی آنها از روش رگرسیون چند متغیره، شبکه عصبی مصنوعی و نروفازی استفاده شد. جهت ارزیابی دقت مدل‌های بدست آمده از جذر میانگین مربعات خطا (RMSE) و ضریب تعیین استفاده شد. یافته‌ها، بحث و نتیجه‌گیری: همبستگی ساده (پیرسون) میان میزان غلظت ذرات PM10 با سرعت باد برابر 216/0 r= و در سطح 001/0 معنی‌دار است. بنابراین ارتباط مثبت سرعت باد با میزان غلظت ذرات PM10 تأیید می‌شود؛ به عبارت دیگر، هر چه میزان سرعت باد افزایش پیدا کند، میزان غلظت ذرات PM10 افزایش پیدا می‌کند. همچنین ارتباط منفی میان رطوبت خاک با میزان غلظت ذرات PM10 وجود دارد. بیشترین و کمترین همبستگی به‌ترتیب مربوط به رابطه‌ی سرعت باد و دمای هوا با میزان غلظت ذرات PM10 است. نتایج براساس 20 درصد داده‌های تست نشان دهنده دقت بالاتر روش نروفازی در مدل‌سازی غلظت ریزگردها است.

کلیدواژه‌ها

موضوعات