کاربرد الگوریتم‌های هوش مصنوعی در پیش‌بینی و مدیریت مخاطرات اقلیمی با تاکید بر امواج گرما در غرب ایران

10.22034/jmas.2026.565968.1258

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه جغرافیا. دانشگاه رازی. دانشکده ادبیات و علوم انسانی

2 گروه جغرافیا. دانشکده ادبیات و علوم انسانی. دانشگاه رازی.

چکیده
تغییرات اقلیمی موجب افزایش چشمگیر فراوانی و شدت امواج گرمایی در جهان و به‌ویژه در مناطق غربی ایران شده است. در واقع، امواج گرمایی از مهم‌ترین مخاطرات آب و هوایی هستند که هر سال پیامدهای زیانبار متعددی در زندگی انسان و سایر موجودات زنده بر جای می‌گذارند. این پدیده تأثیرات قابل‌توجهی بر سلامت عمومی، کشاورزی و مصرف انرژی دارد و لزوم توسعه سامانه‌های پیش‌بینی دقیق و هشدار زودهنگام را آشکار می‌سازد. این پژوهش با استفاده از داده‌های روزانه دما، رطوبت نسبی و شاخص‌های اقلیمی در ایستگاه‌های هواشناسی پنج استان واقع در غرب ایران (کرمانشاه، همدان، ایلام، کردستان و لرستان) طی دوره ۲۰۱۳ تا ۲۰۲۳ و داده‌های تکمیلی ماهواره‌ایERA5، مدل‌های Random Forest ،LSTM و شبکه عصبی ساده انجام گرفته است. عملکرد مدل‌ها با شاخص‌های RMSE، MAE و Accuracyارزیابی شد. نتایج نشان داد که مدل Random Forest با دقت ۹۲.۷ درصد و کمترین خطا (RMSE=1.42) بهترین عملکرد را داشته است. همچنین با استفاده از روشSHAP عوامل اصلی شکل‌گیری امواج گرمایی شناسایی شدند که دمای بیشینه روزانه (2.37 درصد)، رطوبت نسبی (۲۱.۴درصد) و تابش خورشیدی (۱۶.۸درصد) بیشترین تأثیر را داشتند. در نهایت، چارچوبی برای سامانه هشدار زودهنگام طراحی شد که می‌تواند ۵ تا ۷ روز قبل از وقوع امواج گرمایی، هشدارهای محلی ارائه دهد و در مدیریت بهینه منابع آب، انرژی و سلامت عمومی نقش مؤثری ایفا کند.

کلیدواژه‌ها

موضوعات