هدف این مطالعه ارزیابی و پیش‌بینی PM₁₀ شهر اهواز با روش‌های آماری و شبکه عصبی مصنوعی بود. داده‌های روزانه‌ی هواشناسی و داده‌های PM₁₀ (1390 تا 1402) از سازمان هواشناسی و اداره کل محیط‌زیست خوزستان دریافت شد. ابتدا داده‌ها پردازش و نرمال بودن آن‌ها با روش کلموگروف اسمیرنوف بررسی شد. با توجه به غیرنرمال بودن داده‌ها، از روش‌های اسپیرمن و تاوی بی کندال برای بررسی همبستگی‌شان با نرم‌افزار spss استفاده شد. سایر بخش‌ها با زبان برنامه‌نویسی پایتون و در فضای اسپایدر انجام شد؛ سری زمانی و اطلاعات آماری داده‌ها به دست آمد. جهت پیش‌بینی میزان PM10 برای گام‌های زمانی آینده از روش شبکه عصبی (MLP) استفاده شد. بیانگر وجود ارتباط معنادار بین متغیرهای هواشناسی و PM₁₀ بود. به ترتیب، نتایج همبستگی‌های اسپیرمن و تاوی بی کندال نشان داد بین PM10 با سرعت باد (به میزان 0.094 و 0.061) و دما (0.284 و 0.187) دارای همبستگی مثبت و معنادار در سطح اطمینان 99% می‌باشد. همچنین، این پارامتر با دیدافقی (0.408- و 0.300 -)، جهت باد (0.048 – و 0.034 -)، بارش (0.159 – و 0.125-) و رطوبت نسبی (0.259 – و 0.173-) دارای همبستگی معکوس و معناداری در سطح اطمینان 0.99% بوده است. برای پیش‌بینی میزان PM₁₀ آینده، از شبکه عصبی (MLP) استفاده شد. مدل از نوع Sequential با یک لایه‌ی ورودی با 6 نورون، سه لایه‌ی مخفی از نوع Dense با 16، 32 و 64 نورون و یک لایه خروجی بود. میانگین مربعات خطای MSE برای بخش آموزش برابر با 0.0034 و برای داده‌های اعتبارسنجی val_loss: 0.0012 بود. برای بخش آزمایش، اعتبار سنجی برابر mse_mlp=0.0048 و val_loss: 0.0012 بود. نتایج می‌دهد که بین داده‌های هواشناسی و PM10 همبستگی معناداری از نوع مستقیم یا معکوسی وجود دارد. نتایج (MLP) نشان داد که شبکه توانسته عملکرد و خروجی مطلوبی را ارائه دهد و پیش‌بینی قابل‌قبولی برای داده‌های PM10 شهر اهواز داشته باشد.
 

هدف از این تحقیق، بررسی اثر تغییر اقلیم بر تبخیر و تعرق گیاه مرجع در مقیاس­های زمانی فصلی و سالانه در چند ایستگاه منتخب در غرب ایران است. برای این منظور چهار ایستگاه سینوپتیک سنندج، سقز، خرم آباد و کرمانشاه که واجد آمار کافی در یک دوره طولانی­مدت بودند انتخاب شدند و اثر تغییر اقلیم بر تبخیر و تعرق مرجع این ایستگاه­ها تحت دو سناریوی انتشار RCP2.6 و RCP8.5 و در سه دوره­ زمانی آتی 2040-2011، 2070-2041 و 2100-2071 در مقایسه با دوره پایه 1999-1970 مورد بررسی قرار گرفت. جهت برآورد تبخیر و تعرق مرجع از روش فائو- پنمن- مانتیث و برای شبیه­سازی شرایط اقلیمی آینده تحت سناریوهای اقلیمی از مدل گردش عمومی جو CanESM2 و برای ریزمقیاس­نمایی داده­های این مدل از روش SDSM استفاده شد. نتایج نشان داد که در تمامی دوره­های آتی و تحت تمامی سناریوها و برای کل ایستگاه­ها، میانگین تبخیر و تعرق مرجع در مقیاس­های سالانه و برای فصول پاییز و زمستان در مقایسه با دوره پایه افزایش معنی­داری در سطح 01/0 خواهد داشت. برای فصل بهار، تنها تغییر معنی­دار در میانگین تبخیر و تعرق مرجع دوره­های آتی در مقایسه با دوره پایه در کل منطقه مورد مطالعه، وجود یک افزایش معنی­دار در سطح 01/0 در دوره 2100-2071 تحت سناریوی RCP8.5 و برای فصل تابستان نیز این افزایش معنی­دار برای کل منطقه در دو دوره­ 2070-2041 و 2100-2071 تحت سناریوی RCP8.5 خواهد بود. نتایج کلی این تحقیق نشان داد که بیشترین نرخ افزایشی تبخیر و تعرق مرجع دوره­های آتی در مقایسه با دوره پایه در تمامی مقیاس­های فصلی و سالانه و در کل منطقه تحت سناریوی RCP8.5 و در دوره 2100-2071 رخ خواهد داد. مقایسه نرخ تغییرات تبخیر و تعرق مرجع بین مقیاس­های مختلف فصلی و سالانه نیز نشان داد که نرخ افزایش تبخیر و تعرق مرجع در غرب ایران در فصول پاییز و زمستان بسیار چشمگیرتر از سایر مقیاس­های زمانی خواهد بود.