بررسی روشهای همادی مدلهای چندگانه در ارزیابی و تحلیل عدمقطعیت بارش پیشبینی شده مدل ECMWF

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 892

This Paper With 17 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:

AETCONF01_151

تاریخ نمایه سازی: 21 شهریور 1395

Abstract:

در طول قرن اخیر سیلاب یکی از پر هزینهترین حوادث از لحاظ تلفات مالی و جانی شناخته شده است. اندک مکانهایی روی زمین وجود دارد که در آن مردم نیاز ندارند در مورد جاری شدن سیل و خسارات آن نگرانی داشته باشند. هر جایی که بارانمیبارد آسیبپذیر است اگرچه بارش تنها انگیزه برای جاری شدن سیل نیست اما یکی از مهمترین عوامل است. در این مطالعه کیفیت پیشبینی بارش مدل عددی جهانی پیشبینی آب و هوا ECMWF به نام مرکز اروپایی پیشبینی میانمدت آب و هوابررسی شده است. در پیشبینی سیلاب بزرگترین منبع عدمقطعیت مربوط به دادههای پیشبینی شده بارش توسط مدل عددیپیشبینی آب و هوا است. به منظور کنترل عدمقطعیت بارش در این مطالعه از رویکرد همادی مدلهای چندگانه استفاده شده است. الگوریتم های استفاده شده در همادی مدلهای چندگانه الگوریتم بگینگ، الگوریتم اصلاح شده بوستینگ)آدابوست( و روشمیانگینگیری مدل بیزی میباشند. در این مقاله ابتدا ارزیابیهای نقطهای و منطقهای پیشبینیهای مدل عددی آب و هوا ECMWF و سپس ارزیابی روشهای همادی مدلهای چندگانه همچون بگینگ،آدابوست و میانگینگیری بیزی به منظور بهبود پیشبینیهای مدل عددی آب و هوا ECMWF روی حوضه آبریز کارون بزرگ با استفاده از معیارهای ریشه میانگین مربعاتخطا) RMSE (، ضریب همبستگی) R ( و ضریب نش ساتکلیف) NS ( در 3 مقیاس زمانی روزانه، هفتگی و ماهانه در سالهای 2008 و 2009 انجام شد. نتایج این تحقیق به این گونه است که مدل ECMWF در ارزیابی نقطهای عملکرد چندان مناسبی نشان نداده است اما در ارزیابی منطقهای عملکرد خوبی داشته است به طوری که هر 3 دوره نتایج قابل قبولی در قسمت ارزیابی روشهای همادی مدلهای چندگانه، روش آدابوست عملکرد بسیار خوبی نسبت به دو روش دیگر نشنان داده اسنت و همچننین روش میانگینگیری بیزی نسبت به روش بگینگ بهتر عمل کرده است.

Authors

مجید جوانمردقصاب

دانشجوی کارشناسی ارشد منابع آب، دانشکده کشاورزی،دانشگاه تربیت مدرس

مجید دلاور

استادیار گروه منابع آب، دانشکده کشاورزی، دانشگاه تربیت مدرس

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 :
  • Tiwari, M. K., & Chatterjee, C. (2010). Development of an ...
  • Anctil, F. & Lauzon, N. (2004). Generalisatio for neural networks ...
  • Breimn, L. (1999). Using adaptive bagging to Debias regressions. Technical ...
  • Cannon, A.J. & Whitfield, P.H. (2002). Downscaling recent streamflow conditions ...
  • Object-based verification of precipitation forecast. Part I: , Davis, C., ...
  • Golding, B. (2000a). Quantitative precipitation forecasting in the UK. Journal ...
  • 98 0.92 0.84 ...
  • 5 9 0.95 0.91 9.45 0.96 0.93 ...
  • Jeong, D-I & Kim, Y-O. (2005). Rainfall-runof models using artificial ...
  • Komma, J., & Reszler, C. (2007). Ensemble prediction of floods ...
  • Lasat, M. Mart, F. and Barrera. A., 2007, From the ...
  • Li, P-H, Kwon, H-H, Sun, L, Lall, U & Kao, ...
  • Olsson, J., & Lindstrom, G. (2008). Evaluation and calibration of ...
  • Snelder, T. H., Lamouroux, N., Leathwick, J. R., Pella, H., ...
  • Sodoodi, S., Noorian, A. and Reimer, M. G., (2010), Daily ...
  • Tiwari, M. _ and Chatterjee, C. (2011), _ new wavelet-b ...
  • Xuan, Y., Cluckie, I. D. & Wang, Y. (2009). Uncertainty ...
  • نمایش کامل مراجع