پس پردازش برون داد مدل دینامیکی MRI-CGCM3 برای پیش بینی فصلی بارش گرگان
Publish place: Fifth Regional Climate Change Conference
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 807
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RCCC05_005
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
پیشبینی فصلی بارش از ابزار مهم مدیریت ریسک خشکسالی است. همه ساله به دلیل عدم وجود سامانه پیش بینی فصلی قابل اعتماد و عدم دسترسی به کد مدل دینامیکی جهانی، خسارات سنگینی به منابع طبیعی، آب و کشاورزی وارد می شود. جهت انجام تحقیق برون داد مدل پیش بینی فصلی دینامیکی MRI-CGCM3 از سازمانهواشناسی ژاپن اخذ شد و خروجی این مدل با روشهای رگرسیون چندگانه و شبکه عصبی مصنوعی بر روی ایستگاه گرگان پس پردازش شد. دادههای گذشته نگر مدلشامل دو گروه متغیرهای محلی پیشبینی شده و شاخصهای اقلیمی دورپیوندی می باشند. برای انجام کار شاخصهای مناسب جهت مدلسازی پیش بینی فصلی بارش درماههای مختلف انتخاب شده و کلیه پیش بینیهای حاصل صحت سنجی شدند. اعمال پس پردازش آماری بر برونداد مستقیم مدل دینامیکی با هر دو روش موجب بهبود پیش بینی ماهانه بارش گرگان با درصدهای مختلف شده است.
Authors
محمد کردجزی
رئیس تحقیقات هواشناسی گلستان
آزیتا امیری
دانشجوی دکتری اقلیم شناسی دانشگاه خوارزمی
محمدرضا رضوی
مدیر کل هواشناسی گلستان
ایمان بابائیان
مرکز ملی اقلیم شناسی مشهد
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 :