پيش بيني وقوع طوفان گرد و خاك با استفاده از روش شبكه هاي عصبي مصنوعي(مطالعه ي موردي: شهر زابل)

طوفان هاي گرد و خاك يكي از انواع رايج حوادث و فرايندهاي اقليمي در مناطق خشك، نيمه خشك و بياباني دنيا هستند. اين طوفان ها هر ساله خسارتهاي مالي زيادي را بر منابع انساني وارد مي سازند. پيش بيني زمان وقوع اين پديده مي تواند براي اتخاذ تدابير پيشگيرانه در مقابل خسارت هاي بهداشتي، ترابري، نظامي و غيره موثر واقع شود. شبكه هاي عصبي مصنوعي روشي است كه مي تواند براي پيش بيني روندهاي غيرخطي و فرايندهايي كه درك كاملي از نحوه ي وقوع آنها وجود ندارد، مورد استفاده قرار گيرد. در مقاله ي حاضر سعي شده است تا با استفاده از اين روش به پيش بيني وقوع طوفان گرد و خاك و نيز ميزان ديد حداقل روزانه در شهر زابل با استفاده از داده هاي هواشناسي پرداخته شود. نتايج بدست آمده در پيش بيني كوتاه مدت وقوع طوفان ها موفقيت بيشتري نشان مي دهند (96/0=d)، اگرچه با بيشترشدن زمان پيش بيني، از دقت نتايج كاسته مي شود (95/0=d). در حالي كه در پيش بيني ميزان ديد موفقيت كمتري به دست آمد (88/0=d). بنابراين به نظر مي رسد با شناخت بهتر فرايند اين طوفان ها بتوان پيش بيني هاي دقيق تري را با استفاده از اين شبكه ها انجام داد.

Dust storms are common climatic events in arid, semi arid and desert regions of the world. These events impact human resources by foundation losses, every year. Accurate prediction of these events can be effective for decision support in environmental, health, army, and other related fields. An artificial neural network is a method which can predict nonlinear problems. In this study we attempted to predict dust storms and low visibility in Zabol city using synoptic data. Result indicates that this method is somewhat successful and appears that via identification of much more dust storm occurrence process, we can do more accurate prediction.