مقایسه بارش شبیه سازی شده توسط مدل های آماری و مدل اقلیم منطقه ای RegCM در مقیاس های زمانی مختلف
This Research With 155 Page And PDF Format Ready To Download
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
Abstract:
انسانها همواره علاقمند هستند از وضعیت هوا وتغییرات آن آگاه شوند، زیرا وضعیت هوا در زندگی انسانها تاثیر مستقیم دارد. کوشش در جهت شناخت نحوه این تغییرات با تکامل تدریجی علم فیریک و با اختراع وسایل اندازهگیری پارامترهای جوی بهویژه دماسنج و فشارسنج و سپس وسیله پیامرسانی مورس در سال ۱۸۵۰ با به مرحله عملی خود گذاشت. رابطه علوم فیزیک و ریاضی به ویژه با هواشناسی به حدی نزدیک است که غالبا ریاضیدانان وفیزیکدانان قرون گذشته در مقاطعی از فعالیت علمی خود به مسائل هواشناسی نیز پرداخته اند. تقریبا بالافاصله بعد از اختراع مورس، مقدمات پیامرسانی هواشناسی شکل گرفت و در سال ۱۸۵۳ اولین شبکه دیدهبانی هوا به طور منظم و همزمان در بخشی از اروپا ایجاد گشت. البته انگیزه عمده در آن زمان مسائل نظامی و ایجاد ایمنی در خطوط کشتیرانی بود. در سال ۱۸۷۳ در چارچوب اولین کنگره جهانی هواشناسی در وین شرط ضروری کوشش در جهت حل مسائل پیش بینی و هواشناسی تبلور یافت.
فهرست مطالب Research
کلیات. . .. . .. . .. . .................. ................................ ................................ ................................ ................................ ۱۶
۱ - ۱ - مقدمه . .. . .. . .. . ............... ................................ ................................ ................................ ................................ ۱۶
۱ - ۲ - هدف تحقیق . .. . .. . .. . .... ................................ ................................ ................................ ................................ ۱۶
۱ - ۳ - ضرورت تحقیق . .. . .. . .. . ................................ ................................ ................................ ................................ ۱۷
۱ - ۴ - پیشبینی بارش . .. . .. . .. . ................................ ................................ ................................ ................................ ۱۸
۱ - ۴ - ۱ - کلاسیک )سینوپتیکی(. . .. . .. . ................. ................................ ................................ ................................ ۱۸
۱ - ۴ - ۲ - روش تحلیل سریهای زمانی . .. . .. . ....... ................................ ................................ ................................ ۱۹
۱ - ۴ - ۳ - رگرسیون. . .. . .. . .. . ..... ................................ ................................ ................................ ................................ ۱۹
۱ - ۴ - ۴ - روشهای مبتنی بر هوش مصنوعی . .. . .. . ............................... ................................ ................................ ۲۰
۱ - ۴ - ۵ - روشهای مبتنی بر پیوند از دور . .. . .. . .... ................................ ................................ ................................ ۲۰
۱ - ۴ - ۶ - مدلهای دینامیکی . .. . .. . ....................... ................................ ................................ ................................ ۲۱
پیشینه مطالعاتی . .. . .. . .. . .... ................................ ................................ ................................ ................................ ۲۲
۲ - ۱ - مقدمه . .. . .. . .. . ............... ................................ ................................ ................................ ................................ ۲۲
۲ - ۲ - مروری بر تحقیقات انجامشده در زمینه کاربردهای شبکه عصبی مصنوعی و برنامهریزی ژنتیک در
هواشناسی . .. . .. . .. . ................. ................................ ................................ ................................ ................................ ۲۳
۲ - ۳ - مروری بر تحقیقات انجام شده و کاربردهای شبکه عصبی مصنوعی و برنامه ریزی ژنتیک در هواشناسی
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۳۰
مواد و روشها . .. . .. . .. . ..... ................................ ................................ ................................ ................................ ۳۹
۳ - ۱ - محدوده مطالعاتی و ایستگاه های منتخب. . .. . .. . .......................... ................................ ................................ ۳۹
۵
۳ - ۲ - داده های مورد نیاز جهت اجرا و پس پردازش مدل اقلیمی منطقهایی RegCM۴ .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۴۲
۳ - ۳ - داده های مورد نیاز جهت اجرای مدل های مبتنی بر هوش مصنوعی . ................. ................................ ۴۲
۳ - ۴ - مدل های گردش عمومی جو . .. . .. . ........... ................................ ................................ ................................ ۴۳
۳ - ۵ - ریز گردانی . .. . .. . .. . ...... ................................ ................................ ................................ ................................ ۴۴
۳ - ۶ - مدل اقلیمی منطقه ایی RegCM۴ .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۴۵
۳ - ۷ - طرحواره های مدل اقلیمی منطقه ایی RegCM۴ .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۴۶
۳ - ۸ - الگوریتم ژنتیک. . .. . .. . .. . ............................... ................................ ................................ ................................ ۴۷
۳ - ۸ - ۱ - طرح اولیه الگوریتم تکاملی . .. . .. . ......... ................................ ................................ ................................ ۴۸
۳ - ۹ - برنامه ریزی ژنتیک . .. . .. . .. . .......................... ................................ ................................ ................................ ۴۹
۳ - ۱۰ - شبکه های عصبی مصنوعی . .. . .. . ............ ................................ ................................ ................................ ۵۰
۳ - ۱۰ - ۱ - ویژگیهای شبکههای عصبی مصنوعی . .. . ...................... ................................ ................................ ۵۱
۳ - ۱۰ - ۱ - ۱ - قابلیت یادگیری . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ............ ................................ ................................ ۵۱
۳ - ۱۰ - ۱ - ۲ - پراکندگی اطلاعات . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ........ ................................ ................................ ۵۱
۳ - ۱۰ - ۱ - ۳ - قابلیت تعمیم . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ............... ................................ ................................ ۵۲
۳ - ۱۰ - ۱ - ۴ - پردازش موازی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ............. ................................ ................................ ۵۲
۳ - ۱۰ - ۱ - ۵ - مقاوم بودن . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................. ................................ ................................ ۵۲
۳ - ۱۰ - ۲ - شبکههای عصبی پیشخور )پرسپترون( . .. . ...................... ................................ ................................ ۵۲
۳ - ۱۰ - ۲ - ۱ - مقدمه . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...................... ................................ ................................ ۵۳
۳ - ۱۰ - ۲ - ۲ - الگوریتم یادگیری پس انتشار) BP ................................ ......................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ) ۵۴
۳ - ۱۰ - ۲ - ۳ - انواع الگوریتمهای پسانتشار . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ............................... ................................ ۵۶
۳ - ۱۰ - ۲ - ۴ - چند نکته برای اجرای بهتر الگوریتم پسانتشار خطا . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ........ ................................ ۵۶
۳ - ۱۰ - ۳ - معایب شبکه های عصبی مصنوعی . .. . .. . ............................. ................................ ................................ ۵۹
۶
۳ - ۱۱ - اجرای مدل CM۴Reg .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۵۹
۳ - ۱۱ - ۱ - آزمون تعیین طرحواره بارش مدل RegCM۴ .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۵۹
۳ - ۱۱ - ۲ - تحلیل خروجی طرحوارههای مدل RegCM۴ .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۶۰
۳ - ۱۱ - ۳ - مدلسازی بارش در دوره آماری ۲۰۱۱ - ۱۹۸۲ درمنطقه شمالغرب . ........... ................................ ۶۴
۳ - ۱۲ - پس پردازش برونداد بارش مدل . .. . .. . ..... ................................ ................................ ................................ ۶۵
۳ - ۱۲ - ۱ - رگرسیون چند متغیره خطی ) MLR ................................ ................................ ........................... . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . ) ۶۵
۳ - ۱۲ - ۲ - میانگین متحرک ) MA ................................ ................................ ................................ ............. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . ) ۶۸
۳ - ۱۲ - ۳ - شبکه عصبی پرسپترون چند لایه ) MLP ................................ ................................ .................... . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . ) ۷۰
۳ - ۱۳ - شبیه سازی بارش با مدل برنامه ریزی ژنتیک . .. . .................. ................................ ................................ ۷۷
۳ - ۱۴ - شبیه سازی بارش با مدل شبکه عصبی مصنوعی پرسپترون چندلایه . ................. ................................ ۸۳
۳ - ۱۵ - سنجههای آماری برای مقایسه نتایج . .. . .. . .............................. ................................ ................................ ۱۰۱
نتایج و بحث . .. . .. . .. . ...... ................................ ................................ ................................ ................................ ۱۰۳
۴ - ۱ - پهنه بندی بارش شمال غرب. . .. . .. . ........... ................................ ................................ ................................ ۱۰۳
۴ - ۲ - ارزیابی توانمندی مدل RegCM۴ در شبیه سازی بارش شمال غرب . ................ ................................ ۱۱۱
۴ - ۳ - ارزیابی پس پردازش برونداد بارش مدل RegCM۴ با روشهای MLR ، MA و MLP .. .. .. .. .. .. .. .. .. .. .. ۱۱۲
۴ - ۳ - ۱ - سالانه . .. . .. . .. . ........ ................................ ................................ ................................ ................................ ۱۱۲
۴ - ۳ - ۲ - فصلی . .. . .. . .. . ........ ................................ ................................ ................................ ................................ ۱۱۸
۴ - ۳ - ۳ - ماهانه . .. . .. . .. . ......... ................................ ................................ ................................ ................................ ۱۲۵
۴ - ۴ - ارزیابی توانمندی مدلهای MLP و GP در شبیه سازی بارش شمال غرب در مقاطع زمانی مختلف . .. ۱۳۱
۴ - ۴ - ۱ - سالانه . .. . .. . .. . ........ ................................ ................................ ................................ ................................ ۱۳۱
۴ - ۴ - ۲ - فصلی . .. . .. . .. . ........ ................................ ................................ ................................ ................................ ۱۳۴
۴ - ۴ - ۳ - ماهانه . .. . .. . .. . ......... ................................ ................................ ................................ ................................ ۱۳۷
۷
۴ - ۴ - ۴ - ۱۰ روزه . .. . .. . .. . .... ................................ ................................ ................................ ................................ ۱۴۰
۴ - ۴ - ۵ - ۵ روزه . .. . .. . .. . ....... ................................ ................................ ................................ ................................ ۴۲۱
نتیجهگیری و پیشنهادها . .. . .. . ...................... ................................ ................................ ................................ ۱۴۶
۵ - ۱ - نتیجه گیری . .. . .. . .. . .... ................................ ................................ ................................ ................................ ۱۴۶
۵ - ۱ - ۱ - مدل RegCM۴ و پسپردازش برونداد بارش . .. . .............. ................................ ................................ ۱۴۶
۵ - ۱ - ۲ - شبیه سازی بارش با مدلهای GP و MLP .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ۱۴۷
۵ - ۲ - پیشنهادها . .. . .. . .. . ........ ................................ ................................ ................................ ................................ ۱۴۸
منابع و مآخذ . .. . .. . .. . ...... ................................ ................................ ................................ ................................ ۱۵۰
Authors