ارزیابی کارایی الگوریتم ژنتیک و روش هیبریدی GA-SA در پیش بینی طوفان های گردوغبار (مطالعه موردی: استان خوزستان)

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 162

This Paper With 17 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IJSWR-51-10_014

تاریخ نمایه سازی: 2 خرداد 1402

Abstract:

افزایش وقوع طوفان های گردوغبار در چند سال اخیر در جنوب غرب ایران به­ویژه در استان خوزستان و به تبع آن کاهش کیفیت هوا در این مناطق، اهمیت پیش بینی و ارتباط این پدیده با نوسانات اقلیمی را دوچندان کرده است. هدف از این پژوهش بررسی کارایی روش های هیبریدی ژنتیک-تبرید (GA-SA) و الگوریتم ژنتیک (GA) به­منظور انتخاب متغیرهای ورودی بهینه در پیش بینی فراوانی روزهای همراه با طوفان گردوغبار (FDSD) است. بدین منظور از داده های ساعتی گردوغبار و کدهای سازمان هواشناسی و همچنین داده های 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 حالت های مختلف متغیرهای ورودی، به منظور پیش بینی فراوانی روزهای همراه با طوفان گردوغبار در فصل آینده شد. نتایج نشان داد که روش هیبریدی ژنتیک-تبرید (GA-SA) در بین تمام حالت های انتخاب متغیرهای ورودی، بهترین عملکرد را داشت؛ به­طوری که در این حالت معیارهای ارزیابی R، MAE و RMSE به­ترتیب از ۹۱/۰، ۲۹/۰ و ۴۴/۰ تا ۹۹/۰، ۱۳/۰ و ۱۷/۰ در ایستگاه های مورد مطالعه متغیر بود. همچنین متوسط فراوانی روزهای همراه با طوفان گردوغبار در مقیاس فصلی در ایستگاه های مورد مطالعه به ترتیب صعودی از ۶۸/۱ تا ۱۰/۴ متغیر بود به طوری که با افزایش شاخص FDSD در ایستگاه مورد مطالعه، دقت پیش بینی تمام حالت ها افزایش داشت به نحوی که در حالت اول پیش بینی (صرفا بر اساس شاخص FDSD)، ضریب همبستگی بین مقادیر مشاهداتی فراوانی روزهای همراه با طوفان گردوغبار و مقادیر محاسباتی آن از ۸۷/۰ به ۹۵/۰ افزایش یافت. برای حالت دوم (پیش بینی بر اساس فروانی روزهای همراه با طوفان گردوغبار و همه ویژگی های کمکی یعنی FDSD & AC)، حالت سوم (بر اساس بهینه سازی الگوریتم ژنتیک) و حالت چهارم (بر اساس روش هیبریدی ژنتیک-تبرید) نیز ضریب همبستگی به­ترتیب از ۹۳/۰ تا ۹۴/۰، ۹۱/۰ تا ۹۷/۰ و ۹۴/۰ تا ۹۹/۰ در ایستگاه های موردمطالعه متغیر بود. در مجموع با مقایسه حالت های 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 می تواند در مدیریت پیامدهای ناشی از طوفان گردوغبار و برنامه های مقابله با بیابان زایی در مناطق تحت مطالعه مفید باشد.

Authors

محمد انصاری قوجقار

دانشجوی دکتری مهندسی منابع آب گروه مهندسی آبیاری و آبادانی، دانشگاه تهران ، کرج، ایران

مسعود پورغلام آمیجی

گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

جواد بذرافشان

گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.

شهاب عراقی نژاد

گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.

عبدالمجید لیاقت

گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.

سید محمد حسینی موغاری

پژوهشگر پسا دکتری، موسسه علوم جغرافیایی و تحقیقات منابع طبیعی، آکادمی علوم چین، پکن، چین.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Abdolshahnejad, M., Khosravi, H., Nazari Samani, A. A., Zehtabian, G. ...
  • Ansari Ghojghar, M. & Araghinejad, Sh. (۲۰۱۸). Investigating the effect ...
  • Araghinejad, S. (۲۰۱۳). Data-driven modeling: using MATLAB® in water resources ...
  • Araghinejad, Sh., Ansari Ghojghar, M., Pourgholam-Amiji., Liaghat, A & Bazrafshan, ...
  • Cheng, R. (۲۰۰۰). Genetic algorithms and engineering optimization. Wiley-Interscience ...
  • Dahiya, S., Singh, B., Gaur, S., Garg, V. K., & ...
  • Farajzadeh Asl, M. & Alizadeh, Kh. (۲۰۱۱). Spatial Analysis of ...
  • Hahnenberger, M. & Nikoul, K. (۲۰۱۴). Geomorphic and land cover ...
  • Hakimpour, F., Talat Ahary, S. & Ranjbar, A. (۲۰۱۷). The ...
  • Kirkpatrick, S., Gelatt, C. D., & Vecchi, M. P. (۱۹۸۳). ...
  • Mehrabi, Sh., Soltani, S. & Jafari, R. (۲۰۱۵). Investigating the ...
  • Mohammadi, G, H., (۲۰۱۵). Analysis of Atmospheric Mechanisms in Dust ...
  • Rasoulzadeh Gharibdoosti, S. & Bozorg Haddad, O. (۲۰۱۲). Development and ...
  • Sivanandam, S. N. & Deepa. S. N. (۲۰۰۸). Introduction to ...
  • Sobhani, B. & Safarian Zengir, V. (۲۰۲۰). Analysis and prediction ...
  • Yarmoradi, Z., Nasiri, B., Mohammadi, Gh. H., & Karampour, M. ...
  • نمایش کامل مراجع