پیش بینی تغییرات اقلیمی درایستگاه های gcos در ایران به روش برنامه ریزی ژنتیک

thesis
abstract

تحقیق بر روی اثرات هیدرولوژیکی تغییرات آب و هوایی در مقیاس محلی نیاز به تکنیک های ریز مقیاس نمایی دارد. ریز مقیاس نمایی آماری رابطه ای بین پارامترهای بزرگ مقیاس اقلیمی و متغیرهای محلی مانند بارندگی و دما برقرار می کند و سپس تغییرات اقلیمی با استفاده از خروجی مدلهای جهانی اقلیم (gcms) پیش بینی می شوند. مدلسازی تغییرات اقلیمی معمولاً بر اساس روش های خطی و غیرخطی انجام می پذیرد. به دلیل وجود عدم قطعیت در تکنیک های مدل سازی و همچنین داده های مورد استفاده، پیش بینی تغییرات اقلیمی می بایست با استفاده از روش ها و داده های مختلف انجام شود. بدین منظور استفاده از الگوریتم های تکاملی هوشمند می تواند به عنوان یک ابزار دقیق برای مدلسازی و پیش بینی سیستم های مختلف، بدون استفاده از روابط پیچیده به کار رود. در این تحقیق با استفاده از الگوریتم برنامه ریزی ژنتیک (gp)، به مدلسازی اقلیمی در ایران پرداخته شده است. بدین منظور از خروجی نسل سوم مدل های جهانی اقلیم (cgcm3) تحت سناریو انتشار a2 در دوره ی (1990-1961) برای مدلسازی استفاده شده و نتایج به دست آمده با داده های مشاهداتی دما و بارش برای ایستگاه های هواشناسی gcos در ایران مقایسه شده است. مدلسازی با استفاده از دو مدل gp و asd، انجام شده و خروجی آنها باهم مقایسه شده است. مقایسه بین asd و gp در دو دوره کالیبراسیون (1975-1961) و ارزیابی (1990-1976) صورت گرفته است. برای ارزیابی مدل ها از مقدار واریانس توضیح داده شده مدل ها و جذر میانگین مجموع مربعات خطا برای شاخص های آماری و اقلیمی استفاده شده است. پیش بینی اقلیمی برای بارش و دمای ماکزیمم، مینیمم و میانگین روزانه برای دوره های 2040-2011، 2070-2041 و2100-2071 صورت گرفت. در تمامی ایستگاه ها، افزایش دمایی بین 10/2 تا 30/4 درجه سانتی گراد برای دمای ماکزیمم، 50/0 تا 2 درجه سانتی گراد برای دمای مینیمم (بجز ایستگاه شیراز که با کاهش 12/0 و 07/0 درجه سانتی گراد برای دمای مینیمم در دو دوره اول نسبت به دوره 1990-1961 مواجه هستیم) و 25/1 تا 45/3 درجه سانتی گراد برای دمای میانگین پیش بینی می شود. ولی رفتار بارش در ایستگاه های مختلف متفاوت است؛ در بعضی ایستگاه های مانند تهران و کرمان پیش بینی می شود با افزایش بارندگی مواجه شویم و در بقیه ایستگاه ها، کاهش بارش را خواهیم داشت.

similar resources

پیش بینی تغییرات اقلیمی درایستگاه های gcos در ایران به روش نرو- فازی

مدلهای جهانی اقلیم (gcms) بعلت قدرت تفکیک مکانی پایین، قابل استفاده در مطالعات منطقه ای نیستند. به همین منظور از روش هایی موسوم به ریز مقیاس نمایی آماری برای تبدیل خروجی مدل های gcm به مقیاس منطقه ای و محلی استفاده می شوند. در این تحقیق با استفاده از الگوریتم نرو-فازی (anfis) و روش خوشه بندی فازی داده ها (fcm)، به مدلسازی اقلیمی در ایران پرداخته شده است. از خروجی نسل سوم مدل های جهانی اقلیم کا...

ارزیابی کارکرد مدل های برنامه ریزی ژنتیک و خودهمبسته میانگین متحرک در پیش بینی آب‌دهی روزانه در آبخیز امامه

کم‌بودمنابعآبو توجه به توسعه­ی پایدار،تأمینآبرا برای همه‌ی نیازهایموجودناممکنکردهاست. از آن­جا که پیش­بینیدقیقجریان رود­هادر مدیریتمنابعآب اهمیتبسزایی دارد، آب‌دهی رود با کاربرد مدل­های برنامه‏ریزی ژنتیک و خودهمبسته‌ی میانگین متحرک در آبخیز امامه، استان تهران مدل­سازی و پیش‌بینی شد. از داده‏های درازمدت باران، دما، آب‌دهی، رطوبت نسبی و تبخیر استفاده شد. نتایج نشان داد که برنامه‏ریزی ژنتیک خطای ک...

full text

برنامه ریزی برای گسترش ظرفیت تولید برق در ایران به کمک روش برنامه ریزی احتمالی

در این مقاله، یک الگوی برنامه­ریزی خطی احتمالی با متغیرهای عدد صحیح ارائه شده است که مجموع هزینه های تولید را با توجه به فن‌آوری­های مختلف تولید برق در طول بازه زمانی مورد مطالعه، حداقل می­سازد. در این الگو، میزان تقاضا غیر قطعی است و سه حالت برای تقاضا در قالب برنامه­ریزی احتمالی در نظر گرفته شده است. در این الگو کل کشور به مناطقی تقسیم شده که تصمیمات گسترش ظرفیت برای هر یک از مناطق در یک الگو...

full text

مقایسه روش های برنامه ریزی ریاضی و الگوریتم ژنتیک برای طراحی بهینه شبکه های فاضلاب

full text

کاربرد سیگنال‌های اقلیمی در پیش بینی تبخیر در غرب ایران

تبخیر یکی از متغیرهای اقلیمی است که پیش بینی آن نقش مهمی در برنامه ریزیهای مربوط به آب دارد. با توجه به بالا بودن نسبی میزان بارندگی در مناطق غرب ایران، آگاهی از میزان تبخیر برای مدیریت درست آب در این مناطق ضروری میباشد. از عوامل اثرگذار بر میزان تبخیر، سیگنال‌های اقلیمی میباشند که توجه به نقش آنها پیش بینی تبخیر را ممکن می کند. با استفاده از مدل شبکه عصبی مصنوعی به پیش بینی تبخیر بر اساس این س...

full text

پیش بینی مشخصات پرش هیدرولیکی بر روی بستر زبر با استفاده از شبکه عصبی مصنوعی و برنامه ریزی ژنتیک

در تحقیق حاضر مشخصات پرش هیدرولیکی با تحلیل عمق و طول غلتان پرش بر روی بسترهای زبرکه بصورت تابعی از ارتفاع زبری و عدد فرود بالادست می­باشد با استفاده از مدل شبکه­عصبی و برنامه­ریزی ژنتیک شبیه­سازی گردید. عدد فرود اولیه جریان در محدوده 9/1 تا 10 و زبری نسبی بستر در محدوده 085/0 تا 025/2 قرار داشت. در کل تعداد 454 داده مشاهداتی پرش هیدرولیکی برای آموزش وتست مدل های شبکه عصبی و برنامه­ریزی ژنتیک (...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده عمران

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023