بررسی گرد و غبار و ارزیابی امکان پیش‌بینی آن بر اساس روش‌های آماری و مدل ANFIS در ایستگاه زابل

نوع مقاله: مقاله پژوهشی

نویسندگان

چکیده

پدیده­ی گرد و غبار یکی از زیان‌بارترین بلایای طبیعی است که مشکلات محیطی عدیده­ای را در مناطق مختلف جهان به وجود می­آورد. در ایران، منطقه­ی زابل به شدت تحت تأثیر این پدیده قرار دارد. مطالعه­ی حاضر، با هدف شناخت ویژگی­های زمانی و بررسی امکان پیش­بینی پدیده­ی گرد و غبار در ایستگاه زابل، به عنوان گردوغباری­ترین ایستگاه کشور صورت گرفته است. در این راستا ابتدا به تجزیه و تحلیل ویژگی­های آماری داده­­های مربوط به فراوانی ماهانه، فصلی و سالانه­ی روزهای توأم با گرد و غبار ایستگاه زابل با آمار 41 ساله پرداخته شد. از روش تجزیه­ی روند سری­های زمانی برای تبیین نوسانات زمانی عنصر مورد مطالعه استفاده شده و طبقه­بندی ماهانه­ی روزهای توأم با گرد و غبار با استفاده از روش آماری چند متغیّره­ی تحلیل خوشه­ای انجام گرفت. پیش­بینی گرد و غبار با استفاده از روش سیستم استنتاج فازی- عصبی تطبیقی یا انفیس (ANFIS) با اختصاص70 درصد داده­ها به آموزش و30 درصد آن­ها به تعیین اعتبار مدل انجام شد. نتایج نشان داد در طول دوره‌ی آماری مورد مطالعه‌ی ماه جولای و آگوست گرد و غباری‌ترین ماه‌های سال می‌باشند. بر اساس تحلیل خوشه­ای انجام شده، ماه­های جولای و آگوست با بیشترین روزهای گرد و غباری در یک خوشه‌ی مجزا قرار گرفته­اند. روند سری ماهانه، فصلی و سالانه­ی گرد و غبار در این ایستگاه، افزایشی می­باشد. نتایج پیش­بینی گرد و غبار با مدل انفیس، نشان از قابلیت بالای آن در پیش­بینی گرد و غبار در این ایستگاه می­باشد. ساختار سیستم استنتاج فازی (FIS) تعیین شده با چهار تابع عضویت به شکل قوسی با روش آموزش هیبرید، با اطمینان حدود 93 درصد گرد و غبار ایستگاه زابل را پیش­بینی می­کند

کلیدواژه‌ها


عنوان مقاله [English]

Study the dust and evaluation of its possibility prediction based on statistical methods and ANFIS model in Zabol university

نویسندگان [English]

  • Behruz Sobhani
  • Bromand Salahi
  • Akbar Goldust
چکیده [English]

 
Dust phenomenon  is one of the most harmful natural disasters  that causes major environmental impacts all over the world. In Iran, Zabol region is hardly affected by this kind of environmental disaster. Current study was made with the aim of identifying time characteristics and evaluation of  dust  prediction  possibility in Zabol Station as the most dusty station in the country. In this regard, firstly, the statistical characteristic of the data related to frequency of monthly, seasonal and annual dusty days  in Zabol station with statistics data of  41 years were studied and analyzed. Time series process analysis method has been used for definition of time fluctuations of the study element and monthly classification of the dusty days was made by using statistical multivariable cluster analysis method.
Dust prediction has been done by the use of Adaptive Neuro Fuzzy Inference System (ANFIS) through   allocating  70 percent of data to education and 30 percent of it to validity determination of the model. The results showed that August and July months are the dustiest months of the year during the statistical period. Based on the made cluster analysis, the months of July and August with the most dusty days have been placed in a separate cluster. The monthly, seasonal and yearly trend in this station is increasing. The prediction results of dust  by ANFIS Method shows its high capability in dust prediction. Fuzzy Inference System (FIS) structure determined by four functions in arc form by hybrid training, method, predicts of dust  with  93 percent reliability.

کلیدواژه‌ها [English]

  • Dust
  • static analysis
  • Prediction
  • ANFIS method
  • Zabol Station