ارزیابی عملکرد رهیافت توسعه یافته‌ی نزدیکترین همسایه در شبیه سازی داده های هواشناسی روزانه
نویسندگان
چکیده مقاله:
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.
منابع مشابه
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...
متن کاملارزیابی 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...
متن کاملبررسی و ارزیابی مدل لارس در شبیه سازی داده های هواشناسی استان گلستان در دوره 2007-1993 میلادی
متن کامل
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...
متن کاملاستخراج 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 ...
متن کاملارزیابی 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،...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 42 شماره 1
صفحات 45- 54
تاریخ انتشار 2011-09-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023