پیشبینی رخداد بارش سنگین منطقه ای در جنوب غربی ایران با استفاده از متغیرهای همدیدی و روش های داده کاوی
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 114
This Paper With 16 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_IJSWR-53-2_008
تاریخ نمایه سازی: 31 اردیبهشت 1402
Abstract:
پیش بینی کوتاه مدت بارشهای سنگین اهمیت ویژهای در هشدار سیل و به حداقل رساندن آسیبهای ناشی از آن دارد. در این مطالعه، تعریف جدیدی از بارش سنگین منطقه ای برپایه الگوی احتمالاتی رگبارها ارائه شد. برای این منظور از داده های بارش روزانه (۲۰۱۸-۱۹۸۷) مربوط به ۱۲ ایستگاه همدید در جنوب غرب ایران استفاده شد. به علاوه، شش متغیر همدیدی در ترازهای ۱۰۰۰ تا ۲۰۰ هکتوپاسکال مربوط به یک تا پنج روز قبل از بارش سنگین (که گستره وسیعی در خارج منطقه مطالعاتی را پوشش می دهند) به عنوان پیش بینی گر مورداستفاده قرار گرفت. برای اجرای این پژوهش از چهار روش انتخاب متغیر و ده مدل یادگیری ماشین از نوع طبقه بندی کننده دودوئی استفاده شد. نتایج نشان داد که به منظور تشخیص بارشهای سنگین از غیر سنگین، بهترین حالت استفاده از دادههای تا چهار روز پیش از رخداد بارش است. همچنین، از بین چهار روش انتخاب متغیر، روشهای Chi-Square و Extra Tree برCorrelation و Random Forest برتری دارند. در نتیجه این مطالعه مشخص شد که مدل Random Forest با روش انتخاب متغیر Chi-Square بالاترین کارایی در پیش بینی بارشهای سنگین در منطقه مطالعاتی را دارد. متغیرهای همدیدی مناسب برای پیش بینی بارش سنگین شامل رطوبت نسبی و رطوبت ویژه ۱-۲ روز قبل و باد برداری ۲-۴ روز قبل از رخداد بودند.
Keywords:
Authors
کوکب شاهقلیان
Department of Irrigation & Reclamation Engineering, Faculty of Agricultural Engineering & Technology, College of Agriculture & Natural Resources, University of Tehran, Karaj, Tehran, Iran
جواد بذرافشان
Department of Irrigation & Reclamation Engineering, Faculty of Agricultural Engineering & Technology, College of Agriculture & Natural Resources, University of Tehran, Karaj, Tehran, Iran
پرویز ایران نژاد
Associate Professor, Department of Space Physics, Institute of Geophysics, University of Tehran
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 :