نتایج یک پژوهش جدید دانشگاهی نشان میدهد مدلهای هوش مصنوعی میتوانند با دقتی بالاتر نسبت به روشهای سنتی، طوفانهای گرد و غبار را در مناطق غربی ایران پیشبینی و ریسک آسیب به مردم و زیرساختها را کاهش دهند.
به گزارش پایگاه خبری تحلیلی اعتماد نو، پدیده طوفانهای گرد و غبار که در سالهای اخیر به معضلی جدی برای سلامت، محیطزیست و امنیت غذایی مناطق غرب و جنوبغرب کشور تبدیل شده، اکنون با راهحلهای علمی پیشرفتهتری روبهرو شده است. بنا بر پژوهش برومند صلاحی استاد دانشگاه محقق اردبیلی و همکارانش، استفاده از ابزارهای هوش مصنوعی و مدلهای عصبی پیشرفته به شناسایی الگوها و پیشبینی بهتر این پدیده کمک میکند.
در این پژوهش دادههای آبوهوایی ۱۷ ایستگاه در نیمه غربی ایران طی ۳۶ سال (از ۱۹۸۷ تا ۲۰۲۳) مورد استفاده قرار گرفت و متغیرهایی نظیر دما، رطوبت، میزان بارش، سرعت و جهت باد بهعنوان ورودی به مدلهای هوش مصنوعی داده شد. مقایسه مدلهای مختلف از جمله شبکه عصبی شعاعی (RBF)، شبکه چند لایهای (MLP)، مدل ترکیبی ANFIS و مدل ریاضی SVR حاکی از برتری محسوس مدل RBF بود؛ بهطوریکه خطای پیشبینی آن در مناطقی مانند کرمانشاه، رامهرمز و اسلامآباد غرب بهمراتب کمتر از سایر مدلها ثبت شد.
افق پیشبینی تا سال ۲۰۴۰ نیز مشخص کرد مناطق آبادان و اهواز همچنان در معرض بالاترین ریسک طوفانهای گرد و غبار قرار دارند، اما در مقابل شهرهایی مانند الیگودرز از آرامش نسبی بیشتری برخوردار خواهند بود. این یافتهها میتواند مبنای تصمیمگیری مدیران برای مقابله با آثار مخرب گرد و غبار و همچنین توسعه زیرساختهای بهداشتی و زیستمحیطی باشد.
به اعتقاد پژوهشگران، مدلهای هوش مصنوعی، بهویژه شبکههای عصبی، با شناسایی روابط پنهان و پیچیده بین متغیرهای جوی، نقش مهمی در ارائه پیشآگاهی دقیق از رخدادهای آینده دارند؛ چیزی که روشهای سنتی فاقد آن هستند. این نوآوری میتواند اقدامات پیشگیرانه و برنامهریزی شهری را در برابر مخاطرات طبیعی ارتقا دهد.

