کاربرد رویکرد هوش مصنوعی در مطالعه تاثیر محرکهای بزرگمقیاس آبوهوایی بر بارش بلوچستان پاکستان

 استان بلوچستان در کشور پاکستان اغلب به دلیل بارندگی کم در معرض خشکسالی های شدید قرار دارد. چندین نوع محرک آب وهوایی بزرگ مقیاس (LSCD) به دلیل تاثیرشان بر بارندگی در سراسر جهان شناخته شده اند، اما در منطقه بلوچستان مطالعاتی در این زمینه وجود ندارد. این مطالعه با هدف شناسایی LSCDهای معنا دار در بلوچستان و بهبود مهارت پیش بینی بارش ماهانه با استفاده از تجزیه و تحلیل مولفه اصلی (PCA)، شبکه عصبی مصنوعی (ANN)، شبکه عصبی منظم شده بیزین (BRNN) و تحلیل رگرسیون چندگانه (MRA) انجام شد. LSCDهای ۱۲ماهه مانند Nino-۱+۲، Nino-۳، Nino-۳.۴، Nino-۴، QBO در ۳۰ و ۵۰ هکتوپاسکال (QBOI و QBOII)، دمای سطح دریا (SST)، دمای هوا (T۲M)، ارتفاعات ژئوپتانسیل ۵۰۰ و ۸۵۰ هکتوپاسکال، سرعت مداری (۵۰۰U) و نصف النهاری (V۵۰۰ وV ۸۵۰)، شار گرمای نهان و محسوس (LHFOL و SHFOL) و رطوبت ویژه در سطح (SSH) بررسی شدند. همچنین از مجموعه داده های سیستم جهانی جمع آوری داده های زمین (GLDAS)، اندازه گیری بارندگی استوایی (TRMM)، MERRA-۲، NOAA و HadISST استفاده شد. نتایج نشان داد LSCDهای معنا دار در سطح اطمینان ۹۹% شامل SSH، SST، LHFOL، SHFOL، T۲M، U۵۰۰، Nino-۳.۴ و Nino-۴ بودند. در طول دوره آزمون، در مقایسه با مدل های MR با ضریب همبستگی ۰.۱۵ تا ۰.۴۹ و مولفه های اصلی با ضریب همبستگی ۰.۱۶- تا ۰.۴۳، مدل های ANN و BRNN به ترتیب مهارت های پیش بینی بهتری با ضرایب همبستگی ۰.۴۰ تا ۰.۷۴ و ۰.۳۴ تا ۰.۷۰ داشتند. نتایج بیانگر توان مدل های ANN و BRNN در پیش بینی بارش ماهانه بلوچستان با استفاده از LSCDهای دارای تاخیر است.

Keywords:

شبکه عصبی مصنوعی , شبکه عصبی منظم شده بیزین , محرک آبوهوایی بزرگمقیاس , تحلیل رگرسیونندگانه , بارش , دمای سطح دریا , استان بلوچستان- پاکستان