مدلسازي دما در دو اقليم‌‌ نيمه‌خشك و مرطوب با استفاده از حافظه طولاني-كوتاه-مدت و روش‌‌هاي پيش‌پردازنده CEEMD و DWT

مقدمه پيش‌بيني تغييرات بيشينه دما، بسيار مهم است و به‌دليل تاثيرات زيادي كه بر منابع آبي، كشاورزي و محيطي دارد، اهميت فزاينده‌اي پيدا كرده است. با پيش‌بيني دما، مي‌توان از تغييرات آينده آگاه شد و تمهيدات لازم براي تعديل اثرات منفي آن بر منابع آبي، كشاورزي و محيطي را انجام داد. بنابراين، مدلسازي و پيش‌بيني بيشينه دما مي‌تواند، به‌عنوان يك ابزار مهم در برنامه‌ريزي و مديريت منابع طبيعي، اقتصادي و صنعتي مورد استفاده قرار گيرد.مواد و روش‌‌هادر اين پژوهش، بيشينه دما با استفاده از روش نوين حافظه طولاني-كوتاه‌-مدت (LSTM) بر پايه روش‌‌هاي پيش‌پردازنده تبديل موجك گسسته (DWT) و تجزيه مد تجربي كامل (CEEMD) در دو اقليم متفاوت (مرطوب و نيمه‌خشك) مدلسازي شد. براي اين منظور، از داده‌‌‌‌‌هاي دماي بيشينه، دماي كمينه، بارش و تابش خورشيدي به‌صورت روزانه مربوط به دوره 2001 تا 2020 ايستگاه‌هاي سينوپيك واقع در سياه‌بيشه شهرستان آمل در استان مازندران و فرودگاه شهرستان اروميه در استان آذربايجان غربي، استفاده شد. مشخص شد كه در منطقه نيمه‌‌خشك، پارامترهاي دماي بيشينه و كمينه دو روز قبل و دماي بيشينه و كمينه يك روز قبل و‌ دماي كمينه و تابش خورشيدي همان روز و در منطقه مرطوب، پارامترهاي دماي بيشينه دو روز قبل و دماي بيشينه و كمينه يك روز قبل و دماي كمينه و تابش خورشيدي همان روز، به‌عنوان مدل برتر شناخته شده است.نتايج و بحثنتايج حاصل از تحليل مدل‌ها، قابليت و كارايي بالاي روش به‌كار رفته در تخمين بيشينه دما را به ‌خوبي نشان داد. از طرف ديگر، روش‌هاي پيش‌پردازنده باعث بهبود نتايج شدند. در بررسي‌هاي صورت گرفته مشاهده شد كه نتايج حاصل از تجزيه بر اساس تبديل موجك، منجر به نتايج بهتري مي‌شود، به‌طوري‌ كه معيار ارزيابي DC براي مدل برتر در منطقه نيمه‌خشك شهرستان اروميه، از 0.965 به 0.993 و در منطقه مرطوب شهرستان آمل از 0.926 به 0.970، افزايش يافت و معيار RMSE در فرودگاه اروميه از 1.943 به0.896 و در سياه‌بيشه از 2.595 به 1.648، كاهش يافته است.نتيجه‌گيرينتايج بررسي نشان از افزايش معيار ارزيابي DC و كاهش RMSE براي ايستگاه سينوپتيك فرودگاه اروميه به‌ترتيب 2.74 و 53.87 درصد و براي ايستگاه سينوپتيك سياه‌بيشه آمل به‌ترتيب 4.80 و 35.50 درصد شد. اين نتايج نشان مي‌‌دهد، تبديل موجك بيشترين تاثير را در بهبود عملكرد مدل LSTM دارد و مدل‌هاي‌‌ منتخب، قابليت و كارايي بالايي در تخمين ميزان دماي بيشينه را دارند. با توجه به نتايج تحليل حساسيت مشخص شد، پارامتر دماي يك روز قبل، تاثيرگذارترين پارامتر در تخمين بيشينه دماي روزانه براي دو منطقه با اقليم متفاوت مرطوب و نيمه‌خشك است.