به دست اوردن پارامترهای غالب ماهانه و سالانه CGCM3 با استفادها ز الگوریتم ژنتیک
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 859
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IDNC03_645
Index date: 6 March 2011
به دست اوردن پارامترهای غالب ماهانه و سالانه CGCM3 با استفادها ز الگوریتم ژنتیک abstract
یکی از روشهای پیش بینی تغییرات اقلیمی استفاده از خروجی های مدل جهانی اقلیم GCM Climate models global می باشد اما بدلیل بزرگ بودن شبکه های مدل GCMا ین مدلها درمطالعات محلی و منطقه ای کارامد نیستند اخیرا برای بهبود خروجی های GCM در مقیاس منطقه ای روش ریز مقیاس نمایی آماری مورد استفاده قرارگرفته است یکی از مهمترین مراحل انجام روش ریزمقیاس نمایی آماری انتخاب متغیرهای مستقلی است که در مدل نهایی از انها استفاده م یشود به این متغیرها ی مستقل انتخاب شده متغیرهای غالب گفته می شود برای انتخاب متغیرهای غالب می توان از تجربه و دانش محلی و یا ازروشهای آماری مانند همبستگی جزیی رگرسیون گام به گام و روش انالیز مولفه های اصلی PCA استفاده کرد به دلیل برخی از اشکالات روشهای مذکور دراین تحقیق از روش الگوریتم ژنتیک برای انتخاب متغیرهای غالب بصورت ماهانه و سالانه در ایستگاه همدیدی کرمان 2000-1961 استفاده و نتایجاین دو روش با یکدیگر مقایسه گردیده است.
به دست اوردن پارامترهای غالب ماهانه و سالانه CGCM3 با استفادها ز الگوریتم ژنتیک Keywords:
به دست اوردن پارامترهای غالب ماهانه و سالانه CGCM3 با استفادها ز الگوریتم ژنتیک authors
نسیم زینتی
دانشجوی ارشد مهندسی اب
مسعودرضا حسامی کرمانی
استادیار گروه مهندسی عمران دانشگاه شهید باهنر کرمان
مهسا ثبات
دانشجوی ارشد سازه های هیدرولیکی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :