پیش‌بینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH(مطالعه موردی: ایستگاه سینوپتیک سلماس)

نویسندگان

  • اکبر شیرزاد استادیار گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه صنعتی ارومیه، ارومیه، ایران
  • جواد بهمنش دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
  • عباس عباسی دانشجوی دکتری مهندسی آب، گروه مهندسی آب، دانشکده کشاورزی،دانشگاه ارومیه، ارومیه، ایران
  • کیوان خلیلی* استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
چکیده مقاله:

پیش­بینی خشکسالی نقش مهمی در طراحی سیستم­های سازگاری با خشکسالی و اجرای عملیات تسکین ایفا می­نماید. داده­های هیدرولوژیک به‌صورت ترکیبی از بخش قطعی و تصادفی می­باشند. با توجه به اینکه داده­های تولیدی مدل­های هوشمند به‌صورت قطعی می­باشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیش­بینی این داده­ها می­تواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامه­ریزی بیان ژن (GEP) و مدل سری زمانی مبتنی بر واریانس ناهمسان شرطی (GARCH) سعی در ارائه مدلی ترکیبی برای پیش­بینی خشکسالی شده است. بدین منظور پیش­بینی خشکسالی در ایستگاه سلماس با استفاده از شاخص خشکسالی SPEI در گام­های زمانی مختلف در طی دوره آماری 35 ساله و با پنج مدل ورودی مختلف شامل مقادیر شاخص SPEI از یک تا پنج گام زمانی تأخیر، مورد بررسی قرار گرفت. نتایج نشان داد که روش GEP در مقیاس زمانی کوتاه­مدت شاخص SPEI از دقت مناسب برخوردار نمی­باشد و با افزایش مقیاس زمانی عملکرد مدل بهبود پیدا می­کند. نتایج مدل ترکیبی نشان داد که خطای مدل GEP در همه مقیاس­های زمانی کاهش پیدا می­کند و این بهبود عملکرد در مقیاس­های زمانی کوتاه­مدت ملموس­تر می­باشد به‌نحوی‌که ضریب همبستگی در مقیاس زمانی سه‌ماهه در مدل ساده GEP از 622/0 به 891/0 در مدل ترکیبی افزایش پیدا کرده است.

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 تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک – شبکه عصبی GMDH

سابقه و هدف: تخمین دقیق مقدار تبخیر-تعرق مرجع برای انجام بسیاری از تحقیقات ضروری و از مهم‌ترین مسائل در طرح‌های آبیاری و زهکشی و منابع آب به شمار می‌رود. یکی از این مسائل که می‌تواند در راستای اهداف ذکرشده اعمال شود، پیش‌بینی تبخیر-تعرق مرجع برای آینده است تا بتوان با برنامه‌ریزی‌های مناسب، امکان استفاده بهتر از منابع موجود را فراهم نمود (7). در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل ...

متن کامل

ارزیابی کارایی مدل درخت تصمیم ‌رگرسیونی در پیش‌بینی خشکسالی نمونة موردی: ایستگاه سینوپتیک سنندج

     برای مطالعة خشکسالی روش‌های مختلفی وجود دارد. روش تحلیل داده‌های بارندگی، جزو عمومی روش های تحلیل خشکسالی به شمار می رود؛ لذا پیش‌بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تأثیر پیش‌پردازشِ داده‌های بارش ماهانة ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش‌بینی خشکسالی در ایستگاه سینوپتیک سنندج می‌باشد. در این پژوهش ...

متن کامل

مدل‌سازی و پیش‌‌‌بینی خشکسالی فصلی با استفاده از شاخص RDI و مدل‌های سری زمانی (مطالعۀ موردی: ایستگاه سینوپتیک تهران)

Drought is one of the most important natural hazards that should affect Agriculture and water resources. The frequency of its occurrence, especially in arid and semi-arid areas of Iran is very high. Therefore simulation and drought forecasting is necessary more than ever. This factor is importance in the planning and management of natural resources and water resources. In this study seasonal dr...

متن کامل

پیش‌بینی وضعیت خشکسالی برای دوره‌های آتی با استفاده از مدل LARS-WG (مطالعه موردی: ایستگاه شیراز)

در این پژوهش به‌منظور شبیه­سازی اقلیم آینـده سال­های )1443-1397) بـرای محاسـبه شاخص خشک‌سالی در اسـتان فـارس، داده­های مورداستفاده شامل مقادیر روزانه­ی بارش، دمای کمینه، دمای بیشینه و ساعات آفتابی ایستگاه شیراز در یک دوره­ی 46 ساله (1349-1395) و به‌عنوان ورودی برای مدل آماری LARS-WG بود. برای شبیه­سازی پارامترهای اقلیمی در حوضه ایستگاه شیراز داده­های مدل HADCM3 با استفاده از مدل WG-LARS تحت دو ...

متن کامل

پیش بینی خشکسالی با استفاده از شبکه ی عصبی مصنوعی مطالعه ی موردی : ایستگاه سینوپتیک شیراز

خشکسالی یک رویداد اقلیمی است که خصوصیات آن بستگی به مدت شدت و وسعت منطقه تحت تاٌثیر و تسلط آن دارد که می تواند کوتاه یا شدید باشد . منشاء آن کمبود بارش می باشد که منجر به کاهش ذخیره ی آبی و زیان اقتصادی می شود. موفقیت در کاهش خشکسالی به چگونگی تعیین خشکسالی بستگی دارد . با توجه به دقت کمتر و خطای بیشتر روش های آماری متداول در این پژوهش برای پیش بینی خشکسالی شهرستان شیراز از شبکه ی عصبی مصنوعی در...

15 صفحه اول

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 50  شماره 6

صفحات  1317- 1329

تاریخ انتشار 2019-10-23

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