پیش بینی بارش پاییزه مبتنی بر الگوهای دورپیوندی حوضه دریای کاسپین

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 85

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWMR-12-24_020

تاریخ نمایه سازی: 15 اسفند 1400

Abstract:

چکیده مبسوط مقدمه و هدف: الگوهای دورپیوندی یکی از عوامل موثر هیدروکلیماتولوژیکی در پیش بینی بارش، دما و دبی در مقیاس بزرگ می باشند. از طرفی، مدیریت جامع و یکپارچه منابع آب ایجاب می کند که بتوان متغیرهای بارشی و درنتیجه دبی حاصل از رواناب آن را پیش بینی نمود. الگوهای دورپیوندی از دیدگاه دینامیکی و سینوپتیکی می توانند بر الگوی بارشی مناطق مختلف موثر باشند. هدف از این پژوهش بررسی ارتباط دقیق این شاخص ها با بارش پاییزه حوضه دریای کاسپین و پیش بینی آن با استفاده از مدل های آماری است. مواد و روش ها: بر این اساس در این مطالعه زیرحوضه های دریای کاسپین انتخاب شده و بارش فصل پاییز در دوره ۲۸ ساله ۱۹۸۷ تا ۲۰۱۵ محاسبه شد. سپس همبستگی شاخص های MEI، SOI، NCP، NAO، AO، CSST، P-SST و MSST با بارش پاییزه در گام های زمانی July، Aug، Sep، Oct، Nov، Summer، Aug-Sep-Oct و Sep-Oct-Nov محاسبه و مهم ترین آن ها که بالاترین همبستگی را داشتند به عنوان ورودی به مدل های مختلف در نظر گرفته شد. در نهایت پیش بینی بارش پاییزه با استفاده از یک مدل آماری و سه مدل هوش مصنوعی با ساختار متفاوت انجام شده است. یافته ها: نتایج این پژوهش نشان داد الگوهای دورپیوندی متنوعی بسته به نوع زیر حوضه و گام زمانی تاثیرگذار بوده اند. نتایج پیش بینی نشان داد اختلاف داده های مشاهداتی و مدل شده در دوره آموزش ناچیز و در دوره آزمون تا حدودی افزایش یافته و به حدود ۲۵/۷- تا ۴۷/۶ میلی متر در کل زیرحوضه ها رسیده است. بررسی نوع مدل پیش بینی کننده اثبات نمود دو مدل SVR و MLP دقت بالاتری از دو مدل GRNN و MLR داشته اند به طوری که جذر میانگین مربعات خطا به وسیله مدل SVR در زیرحوضه های ارس، اترک، هراز-سفیدرود، قره سو-گرگان، هراز-قره سو، سفیدرود و تالش به‎ترتیب ۶/۱۸، ۷/۳۴، ۳۵/۴۴، ۱۸/۲۵، ۱۹/۵۸، ۱۷/۶۸ و ۴۷/۲۲ میلی متر و ضریب تبیین نیز به‎ترتیب ۰/۹۴، ۰/۹۱، ۰/۹۲، ۰/۸۴، ۰/۸۸، ۰/۸۸ و ۰/۸۷ بود. نتیجه ­گیری: به طور کلی نتایج به دست آمده نشان از ارتباط قوی بین شاخص های دورپیوندی با بارش پاییزه در حوضه مورد مطالعه دارد. ازجمله آن ها می توان به شاخص های NAO، SOI، AO و دمای سطح دریای کاسپین و مدیترانه در تاخیرهای زمانی مختلف اشاره نمود. با این نتایج می توان جهت پیش بینی و مدیریت دقیق تر منابع آبی حوضه دریای کاسپین گام برداشت.  

Authors

رضا نوروز ولاشدی

Sari Agricultural Sciences and Natural Resources University

جلیل هلالی

Department of Irrigation and Reclamation Engineering, faculty of agricultural engineering and technology, University of Tehran, Karaj, Iran.

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 :
  • Abbot, J. and J. Marohasy. ۲۰۱۲. Application of artificial neural ...
  • Araghinejad, S., Data-driven modeling: using MATLAB® in water resources and ...
  • Asadi, H., S.M. Hosseini, O. Esmailzadeh and A. Ahmadi. ۲۰۱۱. ...
  • Binesh Barahmand, M., R. Nabizadeh and K. Nadafi. ۲۰۱۲. Qualitative ...
  • Ghasemi, A. and D. Khalili. ۲۰۰۸. The effect of the ...
  • Ghasemieh, H., O. Bazrafshan and M.K. Bakhshayesh. ۲۰۱۷. Artificial Neural ...
  • Hejazizadeh, Z., E. Fatahi, M. Saligheh and F. Arsalani. ۲۰۱۳. ...
  • Helali, J., E. Pishdad, M. Alidadi, S. Loukzadeh, E. Asadi ...
  • Khosravi, M. and M.R. Poodineh. ۲۰۱۰. A Survey on Climatic ...
  • Kim, C.G., J. Lee, J.E. Lee, N.W. Kim and H. ...
  • Mahdian, M. ۲۰۰۹. Autumn rainfall forecasting using ENSO indices by ...
  • McCuen, R.H., Z. Knight and A.G. Cutter. ۲۰۰۶. Evaluation of ...
  • Mekanik, F., M. Imteaz, S. Gato-Trinidad and A. Elmahdi. ۲۰۱۳. ...
  • Mirmousavi, H., M. Darand and S. Ahmadpour. ۲۰۲۰. Identifying the ...
  • Modaresi, F., S. Araghinejad and K. Ebrahimi. ۲۰۱۵. Assessment of ...
  • Nazemosadat, M. and I. Cordery. ۲۰۰۰. On the relationships between ...
  • Nozari, H. and F. Tavakoli. ۲۰۱۹. Evaluation of the Efficiency ...
  • Shiukhy, S. and M. Mousavi. ۲۰۱۹. The Effect of Large-Scale ...
  • Silverman, D. and J.A. Dracup. ۲۰۰۰. Artificial neural networks and ...
  • Yousefi, K. ۲۰۰۷. A study on the interactive impact of ...
  • نمایش کامل مراجع