مقایسه روش های یادگیری ماشین در انتخاب پیش بینی کننده های مدل های گردش عمومی جو-اقیانوسی برای ریزمقیاس نمائی دمای بیشینه (مطالعه موردی: بیرجند)
Publish place: Journal of Water and Soil، Vol: 37، Issue: 1
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 193
This Paper With 15 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:
شناسه ملی سند علمی:
JR_JSW-37-1_009
تاریخ نمایه سازی: 14 اردیبهشت 1402
Abstract:
افزایش غلظت گازهای گلخانهای در اتمسفر باعث تغییرات زیادی در مولفههای اقلیمی کره زمین شده است که این تغییرات در پارامترهای اقلیمی به صورت افزایشی یا کاهشی است. امروزه تغییر اقلیم یکی از چالش های بشر در بهره برداری و مدیریت منابع آب است، همچنین شرایط کنونی آب و هوای جهانی نشان دهنده افزایش خطرات ناشی از پدیده خشکی در بسیاری از مناطق جهان در آینده است. مدل های گردش کلی جوی یکی از مهم ترین و پرکاربردترین روش ها در مطالعات تغییرات اقلیمی در مقیاس منطقهای می باشد. یکی از اولویتهای اصلی ریزمقیاس نمایی آماری انتخاب پیش بینی کنندهها به عنوان ورودی به مدل ریزمقیاس نمایی در پژوهش میباشد. برای انتخاب پیش بینی کنندههای مهم از بین ۲۶ متغیر جو بالا، از چهار الگوریتم یادگیری ماشین شامل لاسو، ستیغی، GBM، SPSA در ریزمقیاس نمایی آماری دمای بیشینه در ایستگاه بیرجند استفاده گردید و عملکرد این روش ها با سه شاخص نش-ساتکلیف نسبی، کلینگ-گوپتا و بازده حجمی در بخش صحت سنجی مورد بررسی قرار گرفت. نتایج نشان داد که بیشترین میزان اهمیت برای مولفه سرعت نصف النهاری نزدیک سطح و کمترین مقدار آن در مولفه سرعت مداری در ارتفاع ۵۰۰ هکتو پاسکال میباشد که مقادیر آن به ترتیب ۲/۷۳% و ۱۵% تعیین شد. همچنین نتایج شاخصهای ارزیابی عملکرد نش- ساتکلیف نسبی و کلینگ-گوپتا، نشان دادند که الگوریتم SPSA دارای عملکرد بهتری از سایر الگوریتمها درانتخاب پیش بینی کنندهها و به تبع آن ریزمقیاس نمائی دمای بیشینه میباشد. مقایسه میانگین و واریانس خروجی ریزمقیاس شده توسط الگوریتمهای مورد استفاده و دادههای مشاهداتی در بخش صحت سنجی نشان داد که الگوریتمSPSA نسبت به سایر الگوریتمها در باز تولید میانگین و واریانس دمای بیشینه مشاهداتی در ایستگاه سینوپتیک بیرجند دارای توانایی بیشتری میباشد.
Keywords:
Authors
مهدی امیرآبادی زاده
دانشگاه بیرجند
مهدیه فروزانمهر
دانشجوی دکتری منابع آب گروه مهندسی آب دانشگاه بیرجند
مصطفی یعقوب زاده
گروه علوم ومهندسی آب دانشگاه بیرجند
سعیده حسین ابادی
دانشجوی دکتری منابع اب گروه مهندسی آب دانشگاه بیرجند
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 :