پیش‌بینی بارش ماهانه بر اساس سیگنال‌های بزرگ‌مقیاس اقلیمی با به‌کارگیری مدل‌های هوشمند و رگرسیون خطی چندگانه (مطالعه موردی: ایستگاه سینوپتیک سمنان)

نویسندگان

  • حجت کرمی استادیار، گروه مهندسی آب و سازه‏های هیدرولیکی، دانشکدۀ مهندسی عمران، دانشگاه سمنان
  • سعید فرزین استادیار، گروه مهندسی آب و سازه‏های هیدرولیکی، دانشکدۀ مهندسی عمران، دانشگاه سمنان
  • علیرضا فرخی دانشجوی دکتری، گروه مهندسی آب و سازه‏های هیدرولیکی، دانشکدۀ مهندسی عمران، دانشگاه سمنان
  • مجید محمدی دانشجوی دکتری، گروه مهندسی آب و سازه‏های هیدرولیکی، دانشکدۀ مهندسی عمران، دانشگاه سمنان
چکیده مقاله:

سیگنال‏های بزرگ‏مقیاس اقلیمی شامل کنش‏های جوّی‌ـ ‏اقیانوسی، از عوامل اصلی مؤثر بر نوسانات اقلیمی زمین هستند و شاخص‏های بسیار مهمی در پیش‏بینی متغیرهای اقلیمی محسوب می‏شوند. در این پژوهش، با به‏کارگیری مدل‏های شبکۀ عصبی مصنوعی، شبکۀ فازی‌ـ ‏عصبی و رگرسیون خطی چندگانه، بارش ماه آتی در ایستگاه سینوپتیک سمنان پیش‏بینی شد. بدین‌منظور، از سری زمانی ماهانۀ بارش ایستگاه سینوپتیک سمنان و سیگنال‏های بزرگ‏مقیاس اقلیمی طی یک دورۀ 45 ساله (1966‌ـ 2010 میلادی) استفاده شد. سیگنال‏های مؤثر بر بارش ماه آتی با استفاده از تحلیل رگرسیون خطی گام‏به‏گام تعیین شدند و به‏عنوان متغیرهای ورودی در مدل‏های استفاده‌شده، انتخاب شدند. از 540 سری دادۀ ماهانه، 80 درصد ابتدایی برای آموزش و 20 درصد ‌باقی برای آزمون صحت‏سنجی مدل‏ها استفاده شدند. عملکرد مدل‏ها با معیارهای ارزیابی ضریب همبستگی، میانگین قدر مطلق خطا و ریشۀ میانگین مربعات خطا مقایسه شد. نتایج صحت‏سنجی نشان داد ضرایب همبستگی به‏دست‏آمده (829/0، 793/0 و 767/0) به‌ترتیب مربوط به مدل‏های شبکۀ عصبی مصنوعی، شبکۀ فازی‌ـ ‏عصبی و رگرسیون خطی چندگانه‌اند. بر‌اساس نتایج این تحقیق، می‏توان برای پیش‏بینی بارش ماه آتی ایستگاه سینوپتیک سمنان، به‌ترتیب از مدل‏های شبکۀ عصبی مصنوعی، شبکۀ فازی‌ـ ‏عصبی و رگرسیون خطی چندگانه استفاده کرد.  

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

پیش بینی بارش ماهانه با مدل درختی M5 و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه(

در این تحقیق جهت تخمین داده‌های بارش ماهانه ایستگاه ارومیه که از سال 2006 تا 2007 مفقود فرض شده است از روش‌های آماری کلاسیک و مدل درختی M5 با استفاده از نرم‌افزارWeka و به کارگیری ایستگاه‌های مهاباد، خوی، سلماس، تکاب و ماکو استفاده شده است. در بین ایستگاه‌های مورد مطالعه، ایستگاه مهاباد با (r=0.90) بیشترین همبستگی را با ایستگاه ارومیه داشت. 26 سناریو از آمار ده ساله ایستگاه‌های مجاور در تخمین ب...

متن کامل

مقایسه مدلهای هوشمند در تخمین بارش ماهانه حوضه کاکارضا

برآورد بارش برای اجرای طرح های مطالعات منابع آب، خشک‌سالی، طرح های آمایش سرزمین، محیط زیست، آبخیزداری و طرح های جامع کشاورزی ضروری می باشد. در این پژوهش جهت تخمین بارش ماهانه دشت کاکارضا واقع در استان لرستان از مدل برنامه ریزی بیان ژن استفاده شد و نتایج آن با سایرروشهای هوشمند از جمله سیستم استنتاج فازی_عصبی و شبکه عصبی مصنوعی مقایسه گردید. برای این منظور از پارامترهای میانگین دما، رطوبت نسبی، ...

متن کامل

ارزیابی شاخص‌های اقلیمی و روند کلی تغییرات اقلیم؛ مطالعه موردی ایستگاه سینوپتیک شیراز.

وقوع خشکسالی­های پی­در­پی در اکثر نقاط دنیا سبب دگرگونی چهره زمین شده­است. لذا بررسی دقیق میزان تغییرات شاخص­های اقلیمی و تأثیر آنها بر محیط­زیست و منابع آبی در هر نقطه از کره­خاکی امری اجتناب­ناپذیر است. در این پژوهش تغییرات بارشی و دمایی ایجاد شده در ایستگاه سینوپتیک شیراز در بازه 1392-1363 بررسی گردید. بدین‌منظور شاخص­های خشکسالی SPI، PNPI،  DI،  SIAPو  RAIدر مقیاس سالانه محاسبه و رژیم­های م...

متن کامل

مدلهای تصادفی سری زمانی در پیش بینی بارندگی ماهانه (مطالعه موردی: ایستگاه هاشم آباد گرگان)

در سالهای اخیر محدودیت منابع آبی جهت تامین آب مورد نیاز کشاورزی و غیر کشاورزی موجب بروز مشکلات زیادی شده است و باران یکی از منابع مهم تامین آب به حساب می آید. بارندگی یکی از مهمترین مولفه های ورودی به سیستم های هیدرولوزیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیر زمینی، سیلاب، رسوب و ... لازم و ضروری است. بنابراین پیش بینی و برآورد نزولات جوی...

متن کامل

پیش‌بینی عناصر اقلیمی دما و بارش ایستگاه سینوپتیک گرگان براساس سناریوهای RCP

هدف از این پژوهش پیش‏بینی مقادیر‏ عناصر اقلیمی دما و بارش ایستگاه سینوپتیک گرگان با مدل ریز‏مقیاس‏نمایی SDSM و با استفاده از خروجی مدل تغییر اقلیم CanESM2 بر پایة سناریوهای تغییر اقلیم  RCP 2.6, 4.5, 8.5برای دوره‏های آینده 20۱۱- 20۴۰، 20۴۱- 20۷۰1، و 20۷۱- 2۱۰0 و نیز بررسی روند سالانة این تغییرات با استفاده از آزمون من- کندال است. نتایج خروجی مدل در دورة آیندة نزدیک و میانی از ماه فوریه تا آگوست...

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 4  شماره 1

صفحات  201- 214

تاریخ انتشار 2017-03-21

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