مدلسازی دما با استفاده از سریهای زمانی پریودیک آرما مطالعه موردی ایستگاه سینوپتیک شهر کرمان
Publish place: The 1st national conference on solutions to access sustainable development in agriculture,natural resources and the environment
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,258
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SDCONF01_0883
تاریخ نمایه سازی: 28 اردیبهشت 1392
Abstract:
مدلسازی بسیاری از فرایندهای هیدرولوژی که نتیجه تاثیرات متقابل پارامترهایی است که اولا تعداد آنها زیاد و ثانیا در اندرکنش با یکدیگر سیستم پیچیده ای را به وجودمیآورند، امری مشکل ولی حائز اهمیت است. در طراحیها و بهره برداری از سیستمهای منابع آب، نیاز است با توجه به آمارهای گذشته و ثبت داده شده به صورت سریهایزمانی و مکانی، اقدام به پیش بینی عوامل هیدرولوژی نظیر دبی رودخانه، میزان بارندگی، رطوبت هوا، درجه حرارت و غیره نمود. این امر میتواند در تعیین پیشبینی خشکسالی و به ویژه در نحوه بهره برداری بهینه از سیستم های منابع آب نظیر سدها، رودخانه ها، آبهای زیرزمینی و سیستم های تلفیقی از آنها بسیار حائز اهمیت است. در اینمطالعه سری زمانی 55 ساله دادههای میانگین ماهیانهی متوسط دمای روزانه شهر کرمان از سال 9159 تا 0225 با آزمون های مختلف آماری تصحیح و تکمیل شد و در نهایتتمام عوامل نا ایستایی را از بین رفت و سری ایستا و نرمال داده ها را با استفاده از نرم افزار SAMS2007 مدل سازی و با استفاده از مدل برتر، داده های مربوطه تا سال 0202پیش بینی شد و با توجه به همبستگی 15 درصد بین داده های تاریخی و داده های پیش بینی شده، مدل های معرفی شده برای هر فصل، مدل های مناسبی جهت پیش بینی وتولید داده برای سال های آینده شهر کرمان خواهد بود و همان طور که مشاهده شد، دمای هوا در سال های 0225 به بعد نسبت به سال های قبل به نسبت افزایش دارد
Keywords:
Authors
محمد ناظری تهرودی
دانشجوی کارشناسی ارشد منابع آب دانشگاه ارومیه
کیوان خلیلی
استادیار دانشگاه ارومیه
فرشاد احمدی
دانشجوی کارشناسی ارشد منابع آب دانشگاه تبریز
زهرا نظری تهرودی
دانشجوی کارشناسی ارشد آبخیزداری دانشگاه آزاد اسلامی واحد میبد
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 :