ارزیابی ترکیب مدل ANFIS با الگوریتمهای فراکاوشی بهینهسازی در پیشبینی طوفانهای گرد و غبار استان خوزستان | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| دوره 73، شماره 4، زمستان 1399، صفحه 691-708 اصل مقاله (1.84 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2020.311676.1540 | ||
| نویسندگان | ||
| محمد انصاری قوجقار* 1؛ مسعود پورغلام آمیجی1؛ شهاب عراقی نژاد2؛ بنفشه زهرایی3؛ سامان رضوی4؛ علی سلاجقه5 | ||
| 1دانشجوی دکتری گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
| 2دانشیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
| 3دانشیار دانشکده مهندسی عمران، پردیس دانشکدههای فنی، دانشگاه تهران، تهران، ایران. | ||
| 4دانشیار گروه مهندسی عمران، زمینشناسی و محیطزیست، دانشکده محیطزیست و پایداری، دانشگاه ساسکاچوان، ساسکاتون، کانادا. | ||
| 5استاد دانشکده منابع طبیعی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
| چکیده | ||
| به منظور کنترل و مدیریت صحیح طوفانهای گرد و غبار، آگاهی از تغییرات زمانی- مکانی این پدیده و لزوم پیشبینی و مدلسازی آن با هدف شناخت دقیقتر رفتار طوفانهای گرد و غبار نسبت به محرکهای طبیعی و انسانی، امری ضروری است. با توجه به توسعه روز افزون فرامدلها و ترکیب آنها با الگوریتمهای بهینهسازی به منظور مدلسازی و پیشبینی متغیرهای هواشناسی، در این پژوهش چهار الگوریتم بهینهسازی فراکاوشی ازدحام ذرات (PSO)، ژنتیک (GA)، کلونی مورچگان در محیطهای پیوسته (ACOR) و تکاملی تفاضلی (DE) با مدل سیستم استنتاج تطبیقی فازی عصبی (ANFIS) ترکیب شد. عملکرد چهار مدل ترکیبی توسعه دادهشده با مدل ANFISبرای پیشبینی متغیرهای فراوانی روزهای همراه با طوفان گرد و غبار (FDSD) در مقیاس فصلی در استان خوزستان در جنوب غربی ایران ارزیابی شد. بدین منظور از دادههای ساعتی گرد و غبار و کدهای سازمان جهانی هواشناسی در مقیاس فصلی با طول دوره آماری 40 ساله (2019-1980) در هفت ایستگاه سینوپتیک استان خوزستان استفاده شد. نتایج شاخصهای نیکویی برازش در مرحله آموزش و آزمایش نشان داد که اختلاف معنیداری بین روش ANFIS و سایر مدلهای ترکیبی مورد استفاده وجود ندارد. مقادیر R و RMSE برترین مدل ترکیبی (ANFIS-PSO) به ترتیب از 88/0 تا 97/0 و 10/0 تا 19/0 و در مدل ANFIS به ترتیب از 83/0 تا 94/0 و 11/0 تا 21/0 متغیر بودند. همچنین نتایج نشان داد که ترکیب الگوریتمهای بهینهسازی استفادهشده با مدل ANFIS نتایج مدل را نسبت به مدل انفرادی ANFIS به صورت معنیداری بهبود نمیبخشد. | ||
| کلیدواژهها | ||
| الگوریتم ژنتیک؛ الگوریتمهای تکاملی؛ مدلسازی؛ هوش مصنوعی؛ ANFIS | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,159 تعداد دریافت فایل اصل مقاله: 805 |
||