کاربرد مدل درختی M۵ در پیش بینی خشکسالی (مطالعه ی موردی: مراغه، ایران)

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 184

This Paper With 20 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_HYD-3-8_004

تاریخ نمایه سازی: 4 بهمن 1401

Abstract:

در کشورهای خشک و نیمه­ خشکی مانند ایران، پیش بینی دقیق خشکسالی­ها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستم های منابع آب ایفا می کند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسب­ترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیش بینی SPI از مدل درختی M۵ استفاده گردید. بدین منظور از داده­های بارش ماهانه ایستگاه همدیدی مراغه در یک دوره­ی ۲۵ ساله (۸۹-۱۳۶۵) استفاده و شاخص SPI در مقیاس ۶ ماهه استخراج گردید. نتایج نشان داد که شهرستان مراغه در دو دهه­ی اخیر با خشکسالی­های پی در پی و شدیدی مواجه بوده است. سپس با استفاده از مدل درختی M۵ اقدام به پیش­بینی مقادیر شاخص SPI در مقیاس زمانی ۶ ماهه برای ۱ تا ۱۲ ماه آینده گردید. نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاس­های زمانی گذشته بیشترین تاثیر را نسبت به پارامترهای دیگر در پیش بینی شاخص بارش استاندارد شده دارد و با افزایش طول دوره­ی­­ پیش­بینی از دقت مدت کاسته می­شود. به طوری که در محاسبه SPI۶ برای یک ماه آینده مقدار ضریب همبستگی حدود ۹۴/۰ به دست آمد که این مقدار برای ۱۲ ماه آینده به حدود ۴۰/۰ کاهش پیدا کرد. با این وجود نتایج نشان داد که مدل درختی M۵ با ارایه­ی روابط خطی کاربردی و قابل فهم از دقت و توانایی نسبتا بالایی در پیش بینی خشکسالی برخوردار است.

Authors

محمدتقی ستاری

استادیار گروه مهندسی آب،دانشکده ی کشاورزی،دانشگاه تبریز

رسول میرعباسی نجف آبادی

استادیار گروه مهندسی آب، دانشکده ی کشاورزی، دانشگاه شهرکرد

مسعود علیمحمدی

کارشناس ارشد مهندسی عمران- آب.

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 :
  • Bhattacharya, B. and Solomatine, D.P. (۲۰۰۵), Neural Networks and M۵ ...
  • Dracup JA, Lee KS, and Paulson EGR, (۱۹۸۰), On the ...
  • Huang, J., Van den Dool, H.M., Georgarakos, K.P., (۱۹۹۶), Analysis ...
  • Kogan, F.N., ۱۹۹۵, Droughts of the late (۱۹۸۰s), In the ...
  • Londhe, S.N. Dixit, R.R., (۲۰۱۱), Forecasting Stream Flow Using model ...
  • Loukas, A., Vasiliades, L., (۲۰۰۴), Probabilistic Analysis of Drought Spatiotemporal ...
  • Mishra AK and Singh VP, (۲۰۱۰), A Review of Drought ...
  • Moreira, E.E., Coelho, C.A., Paulo, A.A., Pereira, L.S., and Mexia, ...
  • Nalbantis, I., (۲۰۰۸), Evaluation of a Hydrological Drought Index, European ...
  • Paulo, A.A., Ferreira, E., Coelho, C., Pereira, L.S, (۲۰۰۵), Drought ...
  • Quinlan JR, (۱۹۹۲), Learning with Continuous Classes, Proceedings of Australian ...
  • Sattari, MT., Pal, M., Apaydin, H., (۲۰۱۳a), M۵ Model Tree ...
  • Sattari, MT., Pal, M., Yurekli, K., Unlukara, A., (۲۰۱۳b), M۵ ...
  • Shiau, J.T., (۲۰۰۶), Fitting Drought Duration and Severity with Two-dimensional ...
  • Tsakiris, G., Pangalou, D., Vangelis, H., (۲۰۰۷), Regional Drought Assessment ...
  • Wilhite, D.A., (۲۰۰۰), Drought as a Natural Hazard: Concepts and ...
  • Wiltshire, S.E., (۱۹۸۶), Identification of Homogeneous Regions for Flood Frequency ...
  • Yurekly, K. Sattari, MT. Anli AS. and Hinis, MA, (۲۰۱۲), ...
  • نمایش کامل مراجع