ارزیابی کاربرد مدل های شبکه عصبی مصنوعی و sdsm به منظورشبیه سازی دمای کمینه و بیشینه ایستگاه اصفهان

با توجه به تغییرات اقلیمی و گرمایش جهانی، پیش بینی دمای بیشینه و کمینه که از مهم‌ترین پارمترهای اقلیمی است، فرصت مناسبی را برای برنامه ریزی و ارائه تمهیدات لازم در اختیار برنامه ریزان قرار می‌دهد. در این پژوهش با استفاده از مدل ریزگردانی آماری دینامیک (sdsm) و مدل ریزگردانی براساس شبکه عصبی مصنوعی (ann) بیشینه و کمینۀ دمای ایستگاه اصفهان شبیه سازی شد. در این راستا از داده های مرکز ملی پیش‌بینی محیطی (ncep) به عنوان متغیرهای پیش بین جهت واسنجی و ارزیابی مدل استفاده شد و از داده های hadcm3 تحت دو سناریوی a2 و b2 جهت شبیه سازی دمای کمینه و بیشینۀ ایستگاه اصفهان طی سه دوره زمانی 2016-2040، 2041-2070 و 2071-2099 استفاده شد. نتایج نشان داد که دمای بیشینه و کمینه طی دوره‌های یاد شده افزایش چشم‌گیری خواهند داشت. به گونه ای که بر اساس سناریوی b2 و در هر دو مدل شبکه عصبی و sdsm تا سال 2099 نسبت به دوره پایه، میانگین سالانه دمای کمینه 2.38 و 3.22 درجه و دمای بیشینه 3.43 و 4.22 درجه سلسیوس افزایش خواهد یافت. بر اساس این پژوهش، مدل شبکه عصبی مصنوعی نتایج قابل قبول تری را نشان داد.