تحلیل و پیشبینی بارش های منطقه لارستان با استفاده از مدل زنجیره مارکوف

نویسندگان

  • حیدر قادری ندارد
  • زین العابدین جغفرپور ندارد
چکیده مقاله:

در این مقاله تحلیل و پیش بینی بارش های منطقه لارستان، روزهای بارش 0/1 میلی متر و بیشتر ایستگاه لار در دوره آماری 2003-19960 بررسی شده است. ابتدا فراوانی روزهای بارانی بر اساس تداوم آن ها گروه بندی و فراوانی هرکدام از توالی ها به صورت مجزا مطالعه گردید. سپس بر اساس مدل زنجیره مارکوف احتمال وقوعهریک از توالی ها به صورت ماهانه ، فصلی و سالانه محاسبه شد. یافته های تحقیق نشان داد که:حداکثر فراوانی روزهای بارانی 44 روز و حداقل آن 11 روز در سال است . ژانویه بیشرین فراوانی و ماه هایمه و ژوئیه کمترین فراوانی را دارند. زمستان فصل مرطوب و بهار فصل خشک منطقه است. شدت متوسط هر بارش 8/2 میلی متر ، فاصلة متوسط بین دو بارش در دوره بارانی 6/2 روز، زمان متوسط شروع بارندگی 17 آذر و خاتمة بارندگی 26 فروردین است.مقایسه فراوانی توالی های پیش بینی شده با فراوانی توالی های مشاهده شده دقت مدل زنجیر ه مارکوف رادر پیش بینی توالی های خشک و مرطوب در مناطقی مانند لارستان که ناهماهنگی شدید بارش دارند، نشان داد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیشبینی تغییرات کاربری و پوشش زمین در شهرستان رشت با استفاده از مدل سلولهای خودکار و زنجیره مارکوف

افزایش جمعیت شهرنشین در شهرستان رشت در سه دهه اخیر موجب گسترش سریع مناطق انسانساخت شده است و در صورت ادامه این روند، تخریب سیمایسرزمین، تغییر الگو و ساختار اکوسیستمهای طبیعی و نیمهطبیعی این منطقه قابل انتظار خواهد بود. مطالعه حاضر با هدف آگاهی از تغییرات گذشته و پیشبینی تغییرات آینده این منطقه برای کمک به برنامهریزی سرزمین طراحی شده است. از این رو پایش تغییرات سرزمین با استفاده از تصاویر سنجنده...

متن کامل

پیش‌بینی رفتار سهام با استفاده از مدل زنجیره مارکوف

رفتار قیمت سهام یکی از پیچیده¬ترین مکانیزم¬هایی می¬باشد که محققان در طی سالیان بر روی آن مطالعه کرده¬اند. بازار سهام را می¬توان به دو طریق تحلیل کرد: تحلیل بنیادی و تحلیل تکنیکال. مورد اول علت محور و مورد دوم معلول محور می¬باشد. یکی از شاخه¬های رفتار قیمت سهام در روش¬های تکنیکال مدل¬های تصادفی می¬باشد که برخی از مهمترین روش¬های استفاده شده در تئوری بازار کارا می¬باشند. در این تحقیق از مدل مارکو...

متن کامل

بررسی دوره های خشک و تر تهران (مهرآباد) با استفاده از مدل زنجیره مارکوف و تحلیل های سینوپتیک

به منظور تحلیل و پیش بینی آماری و سینوپتیکی دوره های خشک و تر تهران طی دوره سرد ، روزهای با بارش 0/1 میلی متر و بیشتر ایستگاه مهرآباد به عنوان روزهای مرطوب طی دوره آماری 2004-1985 به صورت روزانه انتخاب و مورد بررسی قرار گرفت . جهت تعیین دوره های خشک و تر از مدل زنجیره مارکوف مرتبه دوم استفادهگردید. ابتدا فراوانی روزهای بارانی و خشک بر اساس تداوم آ ن ها گروه بندی و فراوانی هر کدام از توالی ها به...

متن کامل

تحلیل خشکسالی‌های استان تهران با استفاده از شاخص SPI و پیش‌بینی آن براساس مدل زنجیره مارکوف

خشکسالی، پدیده‌ای خزنده است که در اثر کمبود رطوبت محیطی ناشی از کاهش میزان بارش به‌وقوع می‌پیوندد. در بررسی وضعیت خشکسالی‌های استان تهران ازداده‌های بارش ماهانه چهارده ایستگاه در دوره آماری (2007-1976) و روش شاخص بارش استاندارد شده (SPI)، در مقیاس زمانی یک، شش و دوازده ماهه استفاده شد. شدت و تداوم دوره‌های خشک برای هر سه مقیاس تعیین و مورد تجزیه‌وتحلیل قرار گرفت. نتیجه این بررسی نشان داد، با اف...

متن کامل

احتمال وقوع بارش های روزانه ی ایران و پیش بینی آن با مدل زنجیره ی مارکوف

در این پژوهش، وقوع بارش های ایران بر اساس قوانین احتمال به صورت فرایندهای تصادفی و با استفاده از مدل زنجیره مارکوف واکاوی شد. برای رسیدن به این هدف، از داده های رخداد و رخنداد بارش پایگاه داده اسفزاری به مدت ۴۳ سال (۱/۱/۱۳۴۰ تا ۱۱/۱۰/۱۳۸۳) استفاده شد. این اطلاعات بر روی۷۱۸۷ یاخته و شامل ۱۵۹۹۱ روز است. با استفاده از مدل زنجیره مارکوف مرتبه اول با دو حالت بارش و بی بارش، آرایه فراوانی تشکیل و سپس...

متن کامل

منابع 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 2  شماره شماره 3 (پیاپی 7)

صفحات  7- 16

تاریخ انتشار 2005-10-23

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023