بررسی احتمال وقوع و تداوم روزهای بارانی با استفاده از مدل زنجیره ی مارکوف (مطالعه ی موردی شهر لامرد)

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 122

This Paper With 11 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_IWRR-14-2_008

تاریخ نمایه سازی: 29 بهمن 1401

Abstract:

در پژوهش حاضر، با استفاده از آمار موجود بارش روزانه مربوط به ۲۲ سال (۱۹۹۵-۲۰۱۶) ایستگاه هواشناسی شهر لامرد (واقع در استان فارس)، تواتر و تداوم روزهای بارانی در این شهر با استفاده از مدل زنجیره مارکوف مورد مطالعه قرار گرفت. در این مطالعه، به دلیل ناچیز بودن تعداد بارش روزانه در ماه های مه تا اکتبر، از این ماه ها صرفنظر شد. داده های بارش روزانه براساس ماتریس فراوانی تغییر حالات رخداد روزهای خشک و بارانی مرتب شده و ماتریس انتقال بر اساس روش حداکثر درستنمایی محاسبه گردید. در تحقیقاتی که در ایران جهت پیش بینی بارش با استفاده از زنجیره مارکوف صورت گرفته، تنها از زنجیره مارکوف مرتبه اول استفاده شده که چه بسا همخوانی مناسبی با داده ها نداشته و نتایج نادرستی را ارائه داده است. اما در تحقیق حاضر، با روش های آماری دقیق، مرتبه مناسب زنجیره مارکوف، تشخیص داده شده و به کار گرفته شد. ماتریس های احتمال ایستا و دوره بازگشت تداوم روزهای بارانی ۲ تا ۵ روزه برای ماه های مذکور محاسبه گردید. نتایج نشان داد که احتمال وقوع بارش در هر روز ۱۲۶/۰ و احتمال عدم وقوع بارش ۸۷۴/۰ است. جهت اعتبارسنجی نتایج، پیش بینی های کوتاه مدت و بلندمدت بدست آمده را با نتایج واقعی ماه های ژانویه، فوریه و مارس سال ۲۰۱۷ میلادی با استفاده از آزمون های متداول برابری درصدها مورد مقایسه قرار گرفت که این نتایج آزمون ها نشان می دهد که پیش بینی ها قویا مورد تایید قرار می گیرند.

Authors

نیما توان پور

دانشجوی دکتری علوم و مهندسی آب دانشگاه شیراز

علی اصغر قائمی

دانشیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز

تورج هنر

دانشیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز

امین شیروانی

دانشیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز

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 :