ارزیابی عملکرد رهیافت توسعه یافته‌ی نزدیکترین همسایه در شبیه سازی داده های هواشناسی روزانه

Authors

  • شهاب عراقی‌نژاد استادیار، دانشگاه تهران
  • نوذر قهرمان استادیار، دانشگاه تهران
Abstract:

مولدهای هواشناسی (Weather Generators) با هدف تطویل سری اطلاعات انواع متغیرهای وضع هوا اعم از بارش، دما و رطوبت نسبی، برای ارتقاءِ فهم و درک از عملکرد هر سیستمی که اقلیم عامل تاثیرگذار بر آن باشد، توسعه یافته‌اند. الگوریتم‌های متفاوتی از این مولدها در دو نوع کلی پارامتری و ناپارامتری تا به امروز ارائه شده‌اند. در این مطالعه کارایی مولد ناپارامتری k نزدیکترین همسایه با قابلیت برونیابی داده‌ها در سری مصنوعی، برای چندین ایستگاه شامل ایستگاه‌های تهران، مشهد، قزوین، بوشهر، تبریز و رشت با آمار قابل‌ قبول 45 سال(2005-1961) ارزیابی و برای بیان برتری نسبی این روش‌ها نسبت به روش‌های پارامتری، نتایج آن با خروجی مولد پارامتری LARS-WG مقایسه شده است. نتایج حاصله نشان داد که روش ناپارامتری به کارگرفته‌شده در این مطالعه در شبیه‌سازی اکثر پارامترهای سری مشاهده شده، نسبت به روش پارامتری مطمئن‌تر عمل می‌نماید. با این وجود در شبیه سازی طول دوره های درازمدت تر و خشک، مولد LARS-WG بهتر عمل می کند که البته اختلاف این دو مولد ناچیز می باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی عملکرد رهیافت توسعه یافته ی نزدیکترین همسایه در شبیه سازی داده های هواشناسی روزانه

مولدهای هواشناسی (weather generators) با هدف تطویل سری اطلاعات انواع متغیرهای وضع هوا اعم از بارش، دما و رطوبت نسبی، برای ارتقاءِ فهم و درک از عملکرد هر سیستمی که اقلیم عامل تاثیرگذار بر آن باشد، توسعه یافته اند. الگوریتم های متفاوتی از این مولدها در دو نوع کلی پارامتری و ناپارامتری تا به امروز ارائه شده اند. در این مطالعه کارایی مولد ناپارامتری k نزدیکترین همسایه با قابلیت برونیابی داده ها در س...

full text

ارزیابی روش شبیه سازی تصادفی برای تولید داده های هواشناسی

داده های تاریخی هواشناسی بلند مدت، برای به کارگیری مدل های شبیه سازی رشد گیاهان لازم و ضروری می باشند. داده های شبیه سازی شده زمانی استفاده می شوند که داده های تاریخی موجود نبوده و یا قابل اعتماد نمی باشند و یا اینکه داده های آتی مورد نیاز می باشند. برای شبه سازی می توان از روش های تصادفی که فقط از میانگین های بلند مدت اقلیمی اسنفاده می کنند و یا از روشهای غیر تصادفی که بر اساس مقدار یک متغیر و...

full text

شبیه سازی سطح ایستابی دشت ملایر براساس داده های هواشناسی با استفاده از شبکه‎ی عصبی مصنوعی

برای بررسی کارایی شبکه‎ی عصبی مصنوعی در شبیه‌سازی تغییرات سطح ایستابی سفره‎ی آب زیرزمینی دشت ملایر، از اطلاعات هواشناسی ایستگاه‌های تبخیرسنجی در سطح دشت، حجم آب برداشتی از سفره و مقادیر سطح ایستابی آن استفاده شد. از این اطلاعات، به‌عنوان ورودی شبکه‎ی عصبی مصنوعی نوع پرسپترون چندلایه در چارچوب چهار ساختار اطلاعاتی استفاده شد. ساختار اوّل، شامل میانگین اطلاعات دمای حدّاکثر هوا، دمای حدّاقل هوا، حدّاک...

full text

استخراج منحنی های IDF از داده های روزانه بارش در ایستگاه هواشناسی ساوه

یکی از پارامترهای مهم طراحی سازه های هیدرولیکی، رگبار طرح می باشد که از روی منحنی های شدت- مدت – فراوانی (IDF) برای دوام و دوره ی بازگشت معین استخراج می شود. روش های متداول محاسبه ی منحنی های IDF علاوه بر طولانی تر بودن، دارای تعداد پارامترهای زیادی می باشند که این خود باعث کاهش اعتماد پذیری این منحنی ها می شود. در روش متداول محاسبه ی منحنی هایIDF، باید بارش به ازای دوام های مختلف ثبت شده باشد ...

full text

ارزیابی عملکرد سازمان هواشناسی کشور درجمع آوری داده با رویکرد مدل توسعه یافته کارت امتیازی متوازن

در این مقاله، به بررسی فرآیندهای سازمان هواشناسی  و نحوه دسته بندی آنها درقالب آیتمهای سازمانیپرداخته شده است.این آیتمها در هر سازمان نقشه فرآیندها و نحوه انجام کار و وظایف سازمان رانشان می دهد.در سطح کلان فرآیندها در غالب فرآیندهای مدیریتیفرآیندهای محوری(اصلی) فرآیندهای پشتیبانی دسته بندی و در سطوح پایین تر به اختصار به نحوه انجام آنها و جریان اطلاعاتدر سازمان پرداخته می‌شود. خط مشی عمومی،...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 42  issue 1

pages  45- 54

publication date 2011-09-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023