A Convolutional Neural Network Model for Predicting the Transport Pathway of Dust Storms

طوفان‌های گردوغبار بلایایی طبیعی‌اند که در زندگی انسان و محیط‌زیست تأثیر چشمگیری گذاشته‌اند. توسعة مدل‌هایی، به‌منظور پیش‌بینی مسیر حرکت این طوفان‌ها، پیشگیری مدیریت نقش بسزایی ایفا می‌کند زیرا انتقال آنها را آشکار مناطق آسیب‌پذیر بعدی برابر طوفان مشخص می‌کنند. به‌لطف امکانات روش‌های یادگیری عمیق حل مسائل مبتنی‌بر سری زمانی یافتن الگوهای پنهان از حجم دادة کلان، پژوهش، یک مدل ترکیبی شبکة عصبی پیچشی (CNN) گردوغبار، براساس عمق نوری هواویز (AOD) محصول MERRA-2 برای دوازده ساعت آینده، توسعه داده ‌شده است. همچنین چهل رویداد طوفان، شامل 2489 منطقه‌ای خشک مرکز جنوب آسیا، آموزش به‌کار رفته نتایج نشان می‌دهد پیشنهادی دقیقی به‌دست می‌دهد؛ به‌گونه‌ای‌که درمورد گام‌های 3، 6، 9 12 مقادیر دقت کلی به‌ترتیب با 9806/0، 9810/0، 9813/0 9790/0، امتیاز F1 8490/0، 8524/0، 8530/0 8384/0 ضریب کاپا 8387/0، 8424/0، 8431/0 8273/0