ارزيابي و مقايسه ي نتايج حاصل از بهينه سازي مدل گسترش آتش سوزي جنگلي بر مبناي اتوماتاي سلولي با استفاده از دو الگوريتم PSO و ABC

Evaluation and comparison the results of optimization of forest fire spreading model based on cellular automata using PSO and ABC algorithms

آتش سوزي جنگلي يكي از رايج ترين خطرات اكولوژيكي محسوب مي شود كه پيش بيني صحيح گسترش آن موضوعي حياتي در حداقل نمودن اثرات مخرب ناشي از آن محسوب مي شود. اين پديده به عواملي از جمله توپوگرافي، پوشش گياهي و اقليم بستگي دارد. در ميان مدل هاي موجود مدل هاي قطعي تجربي كه در قالب رستر ارايه شده اند از جمله اتوماتاي سلولي، به دليل سادگي مدل سازي و توانايي در مدل سازي سيستم هاي پيچيده داراي محبوبيت بيشتري هستند. سيستم هاي شبيه ساز مختلفي جهت شبيه سازي و پيش بيني گسترش آتش با استفاده از اتوماتاي سلولي توسعه يافته اند. كيفيت نتايج حاصل از اين سيستم ها علاوه بر ميزان پيچيدگي مدل به صحت و اطمينان پارامترهاي ورودي نيز بستگي دارد كه اغلب اين پارامترها، داراي درجه اي از عدم اطمينان هستند. يكي از پيشنهادات سازنده جهت غلبه بر مشكل عدم اطمينان، استفاده از رويكرد دو مرحله اي شبيه سازي مي باشد. در اين رويكرد، ابتدا كليه ي پارامترهاي موجود در مدل با مقايسه ي نتايج حاصل از شبيه سازي با واقعيت بهينه مي شوند، سپس مدل شبيه سازي مربوطه با در نظر گرفتن مقادير بهينه ي بدست آمده براي پارامترها به شبيه سازي گام بعدي گسترش مي پردازد. يكي از مهمترين نكات در طراحي اين سيستم استفاده از روش بهينه سازي مطلوب مي باشد. در اين پژوهش جهت غلبه بر مشكل عدم اطمينان و ارتقا دقت مدلسازي گسترش آتش سوزي جنگلي و اجراي رويكرد دو مرحله اي از دو روش بهينه سازي ازدحام ذرات و كلوني زنبور عسل براي بخشي از جنگل هاي استان گيلان استفاده شده است. نتايج حاصل نشان مي دهد روش بهينه سازي كلوني زنبور عسل نسبت به روش بهينه سازي ازدحام ذرات، داراي توانايي بالاتري به منظور توليد پارامترهاي بهينه ي مدل مورد نظر مي باشد.

Forest fire is one of the most common ecological disaster which itʹs accurate spread prediction is a very essential issue in minimizing itʹs destructive effects.This phenomenon depends on factors such as topography, vegetation and climate. Among the available models, experimental deterministic models that are presented in the form of raster such as cellular automata are more popular due to their simplicity and ability in modeling complex systems. Many simulator systems have been developed in order to simulate and predict fire spread by cellular automata. The quality of their results depends on accuracy and reliability of input parameters as well as model complexity which most of these parameters have a degree of uncertainty. A constructive suggestion to overcome the problem of uncertainty is using a two phase simulation approach. In this approach, at first, model parameters will be optimized by comparing simulation results with reality, then simulation model will be used for simulating next step of fire spread considering optimal values which already has been obtained in the first step. One of the important points in designing this system is using optimal optimization method. In this study, two optimization methods named Particle Swarm Optimization (PSO) and Artificial Bee Colony (ABC) have been used to overcome the problem of uncertainty and enhance the precision of forest fire spread modeling and performe two phase simulation approach for part forests of Gilan provinces. Results show that Artificial Bee Colony has higher ability than Particle Swarm Optimization in producing optimal parameters of the model.