ارزیابی و پیش بینی احتمال وقوع رعد و برق در رشت
عنوان مقاله: ارزیابی و پیش بینی احتمال وقوع رعد و برق در رشت
شناسه ملی مقاله: JR_GERAZ-10-1_002
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_GERAZ-10-1_002
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
افسانه قاسمی - گروه علوم و مهندسی محیطزیست، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
جمیل امان اللهی - گروه علوم و مهندسی محیطزیست، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
خلاصه مقاله:
افسانه قاسمی - گروه علوم و مهندسی محیطزیست، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
جمیل امان اللهی - گروه علوم و مهندسی محیطزیست، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
رعد و برق از شدیدترین مخاطرات آبوهوایی است که هرساله به خسارت اقتصادی – اجتماعی و زیستمحیطی فراوانی منجر میشود. پیشبینی رعد و برق بهعلّت گسترش فضایی و زمانی آبوهوا بهصورت فیزیکی یا دینامیکی بسیار دشوار است؛ بنابراین پیشبینی بهموقع و ارزیابی بهترین مدل دادهکاوی در کاهش آسیب و خسارت مؤثّر است. در پژوهش حاضر، از دادههای سال 1390 تا 1396 ایستگاه هواشناسی رشت استفاده شد. متغیّر وابسته وقوع و عدم وقوع رعد و برق در طی هفت سال و متغیّرهای مستقل عوامل مؤثّر بر رعد و برق شامل دما، رطوبت نسبی، ابرناکی، سرعت باد، جهت باد، فشار هوا و رعد و برق در روز گذشته است. پس از پیشپردازش و پردازش دادهها از مدلهای دادهکاوی شامل درختهای کارت، چاید، سی فایو و شبکة عصبی پرسپترون چندلایه، تابع پایهای شعاعی و ماشین بردار پشتیبان در نرمافزار اِس.پی.اِس.اِس. مودلر ورژن 20 استفاده شد. نتایج حاصل از مدلها با معیارهای مقایسهای و منحنی راک مقایسه شد. با توجّه به نتایج بهدستآمده از مدلها، احتمال وقوع رعد و برق در آینده در ماههای اردیبهشت، خرداد و تیر نسبت به سایر ماهها حداکثر است و میزان وقوع از فصل بهار تا زمستان روند کاهشی دارد و در فصل زمستان، به حداقل مقدار خود میرسد و ازمیان مدلهای پیشبینیکننده، درخت چاید با میزان تشخیص 794/0 و حداقل میزان نرخ مثبت کاذب 205/0و مدل ماشین بردار پشتیبان با پیشبینی صحیح 773/0 مورد و نرخ خطای 475/0 و دقّت 855/0 نسبت به سایر مدلها عملکرد بهینه دارند.
کلمات کلیدی: رعد و برق, پیشبینی, رشت, مدلهای دادهکاوی, معیارهای مقایسهای
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1165455/