ارزیابی دقت مدل‌های MLR، PCR، ARIMA و MLP در پیش‌بینی عمق نوری هواویزها مقاله

برآورد عمق نوری هواویزها (AOD) برای بررسی میزان ذرات معلق موجود در جو که یکی از آلاینده‌های هوا است استفاده می‌شود. در این پژوهش برای برآورد عمق نوری هواویزها در ایستگاه‌های فاقد تشعشع‌سنج و یا برآورد یک ساله (اتورگرسیو) در ایستگاه‌های دارای تشعشع‌سنج از مدل‌های مختلف همچون مدل‌های رگرسیون چند‌گانه (MLR)، رگرسیون مولفه‌های مبنا (PCR)، خودرگرسیون میانگین متحرک انباشته (ARIMA) و نیز مدل شبکه عصبی مصنوعی (MLP)، استفاده شد. بدین منظور داده‌های 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 داده‌های تشعشع‌سنج خورشیدی اداره‌ هواشناسی شهرستان سنندج در بازه‌ی 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 ایستگاه‌های فاقد تشعشع‌سنج 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 مدل‌های فوق در برآورد عمق نوری هواویزها برای سال 2017داشته است.