يك مدل شبكه عصبي پيچشي براي پيش‌بيني مسير حركت طوفان‌هاي گردوغبار

طوفان‌هاي گردوغبار بلايايي طبيعي‌اند كه در زندگي انسان و محيط‌زيست تأثير چشمگيري گذاشته‌اند. توسعه مدل‌هايي، به‌منظور پيش‌بيني مسير حركت اين طوفان‌ها، در پيشگيري و مديريت طوفان‌هاي گردوغبار نقش بسزايي ايفا مي‌كند زيرا مسير انتقال آنها را آشكار و مناطق آسيب‌پذير بعدي در برابر طوفان را مشخص مي‌كنند. به‌لطف امكانات روش‌هاي يادگيري عميق در حل مسائل مبتني‌بر سري زماني و يافتن الگوهاي پنهان از حجم داده كلان، در اين پژوهش، يك مدل تركيبي شبكه عصبي پيچشي (CNN) به‌منظور پيش‌بيني مسير حركت طوفان گردوغبار، براساس داده عمق نوري هواويز (AOD) محصول MERRA-2 براي دوازده ساعت آينده، توسعه داده ‌شده است. همچنين چهل رويداد طوفان، شامل 2489 ساعت طوفان در منطقه‌اي خشك در مركز و جنوب آسيا، به‌منظور آموزش مدل به‌كار رفته است. نتايج نشان مي‌دهد كه مدل پيشنهادي پيش‌بيني دقيقي از مسير حركت طوفان به‌دست مي‌دهد؛ به‌گونه‌اي‌كه درمورد گام‌هاي زماني 3، 6، 9 و 12 ساعت آينده، مقادير دقت كلي به‌ترتيب برابر با 0.9806، 0.9810، 0.9813 و 0.9790، مقادير امتياز F1 به‌ترتيب برابر با 0.8490، 0.8524، 0.8530 و 0.8384 و مقادير ضريب كاپا به‌ترتيب برابر با 0.8387، 0.8424، 0.8431 و 0.8273 است.