نوع مقاله : علمی-پژوهشی

نویسندگان

• بهروز سبحانی ¹
• لیلا جعفرزاده علی‌آباد ²
• وحید صفریان زنگیر ³

¹ استاد، گروه جغرافیای طبیعی، اقلیم‌شناسی، دانشگاه محقق اردبیلی، اردبیل، ایران

² دانشجوی دکتری، گروه جغرافیای طبیعی، اقلیم‌شناسی، دانشگاه محقق اردبیلی، اردبیل، ایران

³ دکتری گروه جغرافیای طبیعی، اقلیم‌شناسی، دانشگاه محقق اردبیلی، اردبیل، ایران

چکیده

هدف از تحقیق حاضر مطالعه و پیش‌بینی دماهای حدی مخاطره‌آمیز، در بعضی از شهرهای مرکزی ایران می‌باشد که برای این کار از داده‌های حداقل و حداکثر دما پانزده ایستگاه هواشناسی (شهرهای: اصفهان، شهرضا، نطنز، نائین، اردستان، سمنان، شاهرود، گرمسار، دامغان، یزد، بافق، گاریز، میبد، قم و سلفچگان) در منطقه مورد مطالعه برای بازه زمانی (2019 - 1999) با استفاده از روش نوآورانه مدل‌های شبکه عصبی مصنوعی هیبرید و شبکه عصبی تطبیقی ANFIS انجام شد و در نهایت برای اولویت‌سنجی مناطق بیش‌تر در معرض افزایش دما، از مدل‌های تصمیم‌گیری چند متغیره نوین تاپسیس و ساو استفاده شد. نتایج پژوهش نشان داد که با توجه به مدل‌سازی صورت گرفته براساس مدل شبکه عصبی تطبیقی ANFIS برای پیش‌بینی فرین‌های دمای ایستگاه‌ها، کم‌ترین میانگین خطای آموزشی و میانگین خطای اعتبارسنجی برای حداقل دما به ترتیب با مقدار 01/0 برای ایستگاه یزد و 66/1 درصد برای ایستگاه دامغان به دست آمد. و کم‌ترین میانگین خطای آموزشی و میانگین خطای اعتبارسنجی برای حداکثر فرین دمای به ترتیب با مقدار 016/0 برای ایستگاه گرمسار و 39/9 درصد برای ایستگاه شاهرود به دست آمد. حداکثر فرین دمای براساس مدل تاپسیس دو ایستگاه گرمسار و بافق به ترتیب با درصد 1 و 96/0، در اولویت بیش‌تر در افزایش دما قرار خواهند داشت و براساس مدل ساو دو ایستگاه گرمسار و سلفچگان به ترتیب با درصد 1 و 98/0، بیش‌ترین احتمال را در معرض افزایش دما را به خود اختصاص دادند.

کلیدواژه‌ها

• فرین دما
• شبکه عصبی مصنوعی
• مدل انفیس
• روند تغییرات
• مرکز ایران

عنوان مقاله [English]

Analysis and prediction of extremes temperature in the cities of central Iran Using the model Artificial neural network

نویسندگان [English]

• Behroz Sobhani ¹
• Leyla Jafarzade Aliabad ²
• Vahid Safarian Zengir ³

¹ Professor, Department of Physical Geography, Climatology, Mohaghegh Ardabili University, Ardabil, Iran.

² Ph.D. Candidate, Department of Physical Geography, Climatology, Mohaghegh Ardabili University, Ardabil, Iran .

³ Ph.D. Department of Physical Geography, Climatology, Mohaghegh Ardabili University, Ardabil, Iran .

چکیده [English]

Investigation of temperature extremes as one of the most important climate parameters Effective in different sectors is very important. The purpose of this study is to analyze and predict the risk of temperature extremes hazards in cities central Iran. For this purpose, the minimum and maximum data of 15 synoptic stations in the study area for the period (1988-2018) was performed using hybrid artificial neural networks and Anfis comparative neural network models. Finally, Topsis and Saw multi-variable decision-making models were used to prioritize more exposed areas of temperature increase. The results of this study showed that according to ANFIS modeling model for predicting station temperatures, the lowest mean educational error and the average error of validation for the minimum temperature, with a value of 0.10 for the station Yazd and 1.66% for Damghan station. And the lowest mean educational error and the mean error of validation for the maximum temperature curve were obtained for 0.016 for Garmsar station and 9.39% for Shahroud station, respectively. The maximum temperature fringe based on the Topsis model of two stations of Garmsar and Bafgh with a percentage of (1 and 0/9689), will be in higher priority with increasing temperature. Based on the Saw model, Garmsar and Salafchegan stations with the highest percentages (1 and 0.98.73), respectively, were exposed to higher temperatures, respectively.

کلیدواژه‌ها [English]

• artificial neural network
• prediction
• Topsis and saw Models
• Central part of Iran