خوشه‌بندی سیگنال‌های هواشناسی با توجه به تغییرات بارش (مطالعه موردی: پیش بینی بارندگی استان سیستان و بلوچستان)

Authors

Abstract:

  امروزه لزوم مطالعه و بررسی تغییرات آب و هوایی و شناخت رفتار متغیرهای مختلف هواشناسی مثل بارش، تبخیر، دما و فشار هوا در نقاط مختلف جهان بخصوص در کشورهایی که با تنوع آب و هوایی گوناگون و وقوع دوره‌های خشک و تر شدید مواجه هستند ، هم از جهت برنامه ریزی منابع آبی و هم از جهت مدیریت شرایط بحران اهمیت زیادی دارد. از جمله این کشورها، کشور ایران می‌باشد که در منطقه جنوب شرق آن و بخصوص استان سیستان و بلوچستان ، ستادهای بحران سیل و خشکسالی بطور همزمان فعال هستند و این منطقه از جمله بخش‌هایی از کشور است که دارای تنوع آب و هوایی شدید و تغییرات بسیار قابل ملاحظه در سالهای مختلف است. تا کنون روشهای متنوعی جهت خوشه‌بندی اطلاعات، بخصوص داده های هواشناسی به کار گرفته شده است. در این مقاله ، روشی نوین برای خوشه‌بندی اطلاعات ماهواره‌ای دمای سطح دریا [1] در مناطق موثر بر آب و هوای استان سیستان و بلوچستان شامل دریای عمان، دریای عرب واقیانوس هند ، با استفاده از روش الگوریتم ژنتیک [2] ارائه شده است. مراحل مختلف این تحقیق شامل انتخاب ساختار مدل، تابع هدف، طول کروموزوم‌ها و عملگرهای تزویج [3] و جهش [4] می‌باشد. در تدوین مدل خوشه‌بندی، علاوه بر رفتار زمانی و مکانی تغییرات SST ، ارتباط این متغیر با وقوع بارندگی‌های کمتر و بیشتر از نرمال مورد بررسی قرار گرفت. در مطالعه موردی ارائه شده، اطلاعات بارش در 20 ایستگاه‌ مختلف استان سیستان و بلوچستان در نظر گرفته شد. استفاده از روش الگوریتم ژنتیک جهت خوشه‌بندی SST و ارائه الگوریتمی پویا برای بیان ارتباط بارش منطقه مورد مطالعه در زمان‌های مختلف با الگوهای خوشه‌بندی زمانی- مکانی، از جمله نو آوری‌های این تحقیق محسوب می‌شود. نتایج این تحقیق نشان دهنده پتانسیل استفاده از نتایج خوشه‌بندی در پیش بینی رفتار فصلی بارش در منطقه جنوب شرق ایران می‌باشد.   [1] SST   [2] GA-Clustering   [3] Crossover   [4] Mutation

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی درازمدت بارش با استفاده از خوشه‌بندی سیگنال‌های هواشناسی با توجه به تغییرات بارش به‌روش K_Means اصلاح شده مطالعه‌ی موردی: پیش‌بینی بارندگی استان سیستان و بلوچستان

مطالعه‌ی تغییرات اقلیمی و شناسایی متغیرهای مختلف آب و هوایی (ازجمله بارش) کمک شایانی به پیش‌بینی این‌گونه متغیرها می‌کند. بیان ارتباط سیگنال‌های بزرگ مقیاس اقلیمی ـ مثل دمای سطح دریا (SST) ـ و متغیرهای مهم هیدرولوژیکی ـ مثل بارندگی ـ ازجمله تحقیقات صورت گرفته در سال‌های اخیر است. در این نوشتار روشی نوین با عنوان K_Meansاصلاح شده برای خوشه‌بندی ارائه شده است. برای بررسی کارایی مدل پیشنهادی از...

full text

پیش بینی درازمدت بارش با استفاده از خوشه بندی سیگنال های هواشناسی با توجه به تغییرات بارش به روش k_means اصلاح شده مطالعه ی موردی: پیش بینی بارندگی استان سیستان و بلوچستان

مطالعه ی تغییرات اقلیمی و شناسایی متغیرهای مختلف آب و هوایی )ازجمله بارش( کمک شایانی به پیش بینی این گونه متغیرها می کند. بیان ارتباط سیگنال های بزرگ مقیاس اقلیمی ـ مثل دمای سطح دریا )sst( ـ و متغیرهای مهم هیدرولوژیکی ـ مثل بارندگی ـ ازجمله تحقیقات صورت گرفته در سال های اخیر است. در این نوشتار روشی نوین با عنوان k_meansاصلاح شده برای خوشه بندی ارائه شده است. برای بررسی کارایی مدل پیشنهادی از مط...

full text

بررسی شدت خشکسالی با شاخص نرمال بارش (مطالعه موردی استان سیستان و بلوچستان)

  چکیده   بحران آب یکی از مهمترین مشکلات و مسایل بحران‌های موجود در مدیریت جوامع انسانی و محیط زیست محسوب می‌گردد که تقریباً تمامی ارکان وجودی توسعه در سطوح بین‌المللی، منطقه‌ای، ملی و ناحیه‌ای را تحت تأثیر خود قرار داده است. عوامل مؤثر در ایجاد بحران مذکور دارای دامنه وسیع طبیعی (هیدرو کلیماتولوژی و..) و انسانی (مدیریتی، مصرفی و...) است. محدودیت منابع آب ناشی از رخداد خشکسالی‌های متوالی، یکی از...

full text

کاربرد شبکة عصبی مصنوعی در پیش‌بینی و شبیه‌سازی شاخص اقلیمی خشک‌سالی هواشناسی دهک بارش (مطالعة موردی: استان سیستان و بلوچستان)

محدودیت منابع آب ناشی از خشک‌سالی‌های متوالی، از مهم‌ترین معضلات استان سیستان و بلوچستان است.در این پژوهش برای پیش‌بینی سیکل خشک‌سالی در 9 ایستگاه هواشناسی استان سیستان و بلوچستان از شبکة عصبی مصنوعی استفاده شد. داده‌های مورد استفادة ورودی شبکه شامل بارش سالانه و شاخص دهک بارش (DPI) ایستگاه‌‌ها است که از سال 1350 تا 1379 برای آموزش مدل و از سال 1380 تا 1387 برای اعتبارسنجی شبکه است. شبکة مورد ا...

full text

کاربرد شبکة عصبی مصنوعی در پیش بینی و شبیه سازی شاخص اقلیمی خشک سالی هواشناسی دهک بارش (مطالعة موردی: استان سیستان و بلوچستان)

محدودیت منابع آب ناشی از خشک سالی های متوالی، از مهم ترین معضلات استان سیستان و بلوچستان است.در این پژوهش برای پیش بینی سیکل خشک سالی در 9 ایستگاه هواشناسی استان سیستان و بلوچستان از شبکة عصبی مصنوعی استفاده شد. داده های مورد استفادة ورودی شبکه شامل بارش سالانه و شاخص دهک بارش (dpi) ایستگاه ها است که از سال 1350 تا 1379 برای آموزش مدل و از سال 1380 تا 1387 برای اعتبارسنجی شبکه است. شبکة مورد اس...

full text

بررسی شدت خشکسالی با شاخص نرمال بارش (مطالعه موردی استان سیستان و بلوچستان)

چکیده   بحران آب یکی از مهمترین مشکلات و مسایل بحران های موجود در مدیریت جوامع انسانی و محیط زیست محسوب می گردد که تقریباً تمامی ارکان وجودی توسعه در سطوح بین المللی، منطقه ای، ملی و ناحیه ای را تحت تأثیر خود قرار داده است. عوامل مؤثر در ایجاد بحران مذکور دارای دامنه وسیع طبیعی (هیدرو کلیماتولوژی و..) و انسانی (مدیریتی، مصرفی و...) است. محدودیت منابع آب ناشی از رخداد خشکسالی های متوالی، یکی از م...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 1  issue 2

pages  21- 29

publication date 2007-10

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

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023