بررسی عملکرد رویکردهای مختلف هوش مصنوعی در ریزمقیاس نمایی دما (منطقه مورد مطالعه: استان اردبیل)
عنوان مقاله: بررسی عملکرد رویکردهای مختلف هوش مصنوعی در ریزمقیاس نمایی دما (منطقه مورد مطالعه: استان اردبیل)
شناسه ملی مقاله: JR_SCJS-20-4_013
منتشر شده در در سال 1401
شناسه ملی مقاله: JR_SCJS-20-4_013
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:
محمد حسین جهانگیر - گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران
سید محمد احسان عظیمی - گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران
خلاصه مقاله:
محمد حسین جهانگیر - گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران
سید محمد احسان عظیمی - گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران
سابقه و هدف: پیش بینی بلند و کوتاه مدت آب و هوا از جمله چالش های بسیار مهم محققان آب و اقلیم بوده است. به منظور فائق آمدن بر این چالش، ابزارهای متعددی از جمله مدل های گردش عمومی جوی-اقیانوسی، سناریوهای پیش بینی و مدل های ریزمقیاس نمایی توسعه و استفاده شده است. این ابزارها با ایجاد همبستگی بین داده های بزرگ مقیاس مدل های گردش عمومی و داده های کوچک مقیاس سینوپتیک، به ریزمقیاس نمایی سناریوهای پیش بینی می کنند. مواد و روش ها: در این مطالعه پارامترهای پیش بینی کننده بزرگ مقیاس دوره آماری ۱۹۶۱ تا ۲۰۰۳ از پایگاه داده مراکز ملی پیش بینی محیط زیست (NCEP) ، داده های بزگ مقیاس سناریوهای پیش بینی A۱B و A۲ مدل HadCM۳ دوره آماری ۲۰۰۱ تا ۲۱۰۰ از مرکز ارزیابی و مدلسازی اقلیم کانادا موسوم به CCCma، و داده های سینوپتیک هواشناسی ایستگاه های اردبیل از سازمان هواشناسی دریافت شده است. در این مطالعه سه روش (SDSM)، حداقل مربعات ماشین بردار پشتیبان (LS-SVM) و پرسپترون چند لایه (MLP) برای ریزمقیاس نمایی، و از سنجنده های آماری CC، MSE، RMSE، NMSE، Nash-Sutcliffe، MAE و دیاگرام تیلور به منظور ارزیابی کارایی روش های ریز مقیاس نمایی مورد استفاده قرار گرفت. نتایج و بحث: نتایج نشان داده است که مدل MLP بر اساس میانگین ایستگاه ها بهترین نتیجه را با مقادیر (CC=۰/۸۵)، (NMSE=۰/۶۳)، (NSH=۰/۷۳) و (MAE=۰/۵۲) کسب کرده و در رتبه های دوم و سوم به ترتیب مدل های LS-SVM و SDSM قرار گرفته اند. دیاگرام تیلور نیز مدل SDSM را ضعیف ترین مدل شناسایی و نتایج دو مدل LS-SVM و MLP را با اختلاف کمی با یکدیگر به عنوان مدل های برتر معرفی کرد. بر اساس نتایج ریزمقیاس نمایی، تمامی سناریوهای پیش بینی افزایش دمای میانگین روزانه تا سال ۲۱۰۰ در تمامی ایستگاه های مورد مطالعه را پیش بینی کرده اند. نتیجه گیری: بر اساس نتایج مطالعه، در تمامی سناریوهای پیش بینی و بر اساس تمامی روش های ریز مقیاس نمایی، افزایش دمای میانگین روزانه پیش بینی شده است، لذا لازم است تا در تهیه سیاست های توسعه ای و محیط زیستی این موضوع در نظر گرفته بشود.
کلمات کلیدی: MLP, LS-SVM, SDSM, ریز مقیاس نمایی, دما میانگین روزانه, سناریوهای تغییر اقلیم, استان اردبیل
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1635159/