مشخصات پژوهش

عنوان	ارزیابی دقت مدل های MLR، PCR، ARIMA و MLP در پیش-بینی عمق نوری هواویزها
نوع پژوهش	مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها	پایگاه داده ECMWF ;پیش بینی; عمق نوری هواویزها; خودرگرسیون میانگین متحرک انباشته; شبکه عصبی مصنوعی.
چکیده	برآورد عمق نوری هواویزها (AOD) برای بررسی میزان ذرات معلق موجود در جو که یکی از آلاینده های هوا است استفاده می شود. در این پژوهش برای برآورد عمق نوری هواویزها در ایستگاه های فاقد تشعشع سنج و یا برآورد یک ساله (اتورگرسیو) در ایستگاه های دارای تشعشع سنج از مدل های مختلف همچون مدل های رگرسیون چند گانه (MLR)، رگرسیون مولفه های مبنا (PCR)، خودرگرسیون میانگین متحرک انباشته (ARIMA) و نیز مدل شبکه عصبی مصنوعی (MLP)، استفاده شد. بدین منظور داده های دما، رطوبت نسبی، سرعت باد و ارتفاع لایه اتمسفری اخذ شده از پایگاه داده جهانی ECMWF در تراز 850 هکتوپاسکال به عنوان متغیرهای مستقل و همچنین داده های تشعشع سنج خورشیدی اداره هواشناسی شهرستان سنندج در بازه ی زمانی 1/1/2005 تا 31/12/2016 به عنوان متغیر وابسته در نظر گرفته شدند. نتایج نشان داد که مدل ARIMA با دارا بودن مقادیر عددی 91/0 R2=، 0501/0RMSE= و 033/0MAE= در مرحله آموزش مدل و نیز مقادیر 89/0 R2=، 0586/0RMSE= و 0374/0MAE= در مرحله آزمون مدل دارای بهترین عملکرد در برآورد عمق نوری هواویزها در ایستگاه های فاقد تشعشع سنج است. همچنین نتایج مرحله اتورگرسیو نشان داد که مدل MLP با دارا بودن مقادیر عددی 96/0 R2=، 0483/0RMSE= و 028/0MAE= بالاترین دقت را از میان مدل های فوق در برآورد عمق نوری هواویزها برای سال 2017داشته است.
پژوهشگران	محمد دارند (نفر سوم)، جمیل امان اللهی (نفر دوم)، ساجده اکبری (نفر اول)