جستجو در مقالات منتشر شده


2 نتیجه برای بارش ماهانه

علی رضازاده جودی، محمد تقی ستاری،
دوره 16، شماره 42 - ( 7-1395 )
چکیده

در کلیه مطالعات اقلیمی نیاز به داده‌های صحیح و قابل اعتماد می­باشد. روش‌های متعددی برای بازسازی داده ها وجود دارند که بسته به نوع داده‌ها و خصوصیات آب و هوائی هر منطقه تعدادی از آن‌ها مورد استفاده قرار می­گیرد. در این تحقیق بخشی از داده‌های بارش ماهانه ایستگاه سینوپتیک شهر سراب در استان آذربایجان‌شرقی به صورت تصادفی داده های فرضی در نظر گرفته شد. سپس برای بررسی میزان کارایی، روش‌های متعدد بازسازی داده ها، هفت روش کلاسیک آماری و مدل درختی ام‌5 بعنوان یکی از روش‌های کارآمد داده‌کاوی و به کمک داده­های بارش ایستگاه­های مجاور تخمین گردید. نتایج نشان داد از بین روش‌های کلاسیک آماری بررسی شده به ترتیب روش­های انتساب چندگانه، نسبت نرمال و  رگرسیون خطی چند متغیره دارای نتایج نسبتا دقیق‌تر با خطاهای کمتری می‌باشند. بررسی کلی نتایج نشان داد که مدل درختی ام‌5 با توسعه قوانین اگر-آنگاه با ارائه چهار رابطه خطی ساده با آماره‌های (ضریب همبستگی برابر 974/0، ضریب نش-ساتکلیف برابر 948/0، ریشه میانگین مربعات خطا برابر 11/5 (میلی‌متر) و میانگین خطای مطلق برابر با 189/4 (میلی‌متر) دقیق‌ترین نتیجه را در بین تمامی روش‌های بررسی شده در این مطالعه ارائه می­دهد. لذا با توجه به سادگی روند مدل‌سازی، کاربردی و قابل فهم بودن و داشتن دقت بالا استفاده از آن برای تخمین مقادیر گم‌شده بارش ماهانه پیشنهاد می‌گردد.


اباذر سلگی، حیدر زارعی، مهرنوش شهنی دارابی، صابر علیدادی ده کهنه،
دوره 18، شماره 50 - ( 1-1397 )
چکیده

 برآورد و پیش­بینی بارش و دستیابی به مقدار رواناب ناشی از آن، نقش اساسی و مؤثری را در مدیریت و بهره­برداری صحیح از حوضه، مدیریت سدها و مخازن، به حداقل رساندن خسارات ناشی از سیلاب، خشکسالی و مدیریت منابع آب ایفا می­کند و به همین دلیل مورد توجه هیدرولوژیست­ها می­باشد. عملکرد خوب مدل­های هوشمند باعث افزایش استفاده از آنها برای پیش­بینی پدیده­های مختلف هیدرولوژیکی شده است. لذا در پژوهش حاضر، از دو مدل هوشمند به نام­های برنامه­ریزی بیان­ژن و ماشین بردار رگرسیونی برای پیش­بینی بارش ماهانه شهرستان نهاوند استفاده شد. در این مطالعه از داده­های بارش، دما و رطوبت­نسبی ماهانه ایستگاه وراینه در یک دوره 32 ساله (1393-1362) استفاده شد. نتایج به دست آمده نشان داد که عملکرد هر دو مدل خوب و مشابه بوده (ضریب همبستگی حدود 92/0) ولی با توجه به بررسی معیارهای ارزیابی مختلف، مدل برنامه­ریزی بیان­ژن عملکرد کمی بهتر داشته است (جذر میانگین مربعات خطا به ترتیب 0478/0 و 0486/0). این در حالی است که مدل ماشین بردار رگرسیونی دارای مزیت سهولت در اجرای مدل می­باشد. به طورکلی می­توان گفت که مدل برنامه­ریزی بیان ژن برای مدل­سازی بارش ماهانه ایستگاه وراینه در شهرستان نهاوند مناسب بوده است. در پایان مقدار بارش ماهانه برای سال 1394 با مدل برنامه­ریزی بیان ژن پیش­بینی شد که نشان از کاهش مقدار بارش در سال 1394 نسبت به سال­های قبل داشت.
 



صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به تحقیقات کاربردی علوم جغرافیایی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Applied researches in Geographical Sciences

Designed & Developed by : Yektaweb