برآورد میزان تغییرات بارندگی با استفاده از تلفیق تکنیک شبکه های عصبی مصنوعی و زمین آمار در شمال غرب ایران
نویسندگان
چکیده
ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح های آبی از یک سو، و فقدان شبکه ای مطلوب از ایستگاه های اندازه گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می سازد. پیش بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل سازی های اقلیمی و هیدرولوژیکی، مستلزم در دسترس بودن اطلاعات درازمدت و هم زمان بارش در قالب های مکانی و زمانی در ایستگاه های باران سنجی است. به دلیل عدم کفایت ایستگاه های ثبت بارندگی در گذشته، دسترسی به این اطلاعات در بسیاری از مناطق کشور با محدودیت هایی همراه است و پیاده سازی این مدل ها در مناطق مذکور عملاً ناممکن می نماید. استفاده از شبکه های عصبی مصنوعی (ann) امکان برآورد این اطلاعات را در ایستگاه های پراکنده ی باران سنجی، و در درازمدت حتی در سال هایی که منطقه فاقد ایستگاه های ثبت بارش بوده است، فراهم می کند. در این تحقیق برای برآورد آمار میانگین بارندگی ماهانه و فصلی و سالانه در 305 ایستگاه هواشناسی موجود در سه استان اردبیل و آذربایجان شرقی و آذربایجان غربی در دو دهه پیش از تأسیس این ایستگاه ها، از 36600 داده ثبت شده ی آمار بارندگی ماهانه در دوره ی ده ساله 2004- 1995 استفاده شد. این داده ها به عنوان ورودی برای آموزش شبکه های عصبی با الگوریتم پس انتشار خطا به کار گرفته شدند. طول و عرض جغرافیایی، ارتفاع، شیب، عده ماه و میانگین بارندگی ماهانه 5 ایستگاه نزدیک تر به هر ایستگاه نیز به عنوان پارامترهای ورودی شبکه انتخاب شدند. ابتدا شبکه عصبی برای دوره ده ساله 2004- 1995 آموزش داده شد و دقتی معادل (r=0/84) به دست آمد. پس از آموزش شبکه عصبی، اقدام به برآورد داده های میانگین بارندگی ماهانه و فصلی و سالانه در دوره زمانی 1994- 1975 در ایستگاه های موجود در منطقه مطالعاتی گردید. دقت شبکه عصبی در این برآورد معادل 7/0، 78/0 و 88/0 به ترتیب برای تخمین مقادیر میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مورد مطالعه بود. میزان این دقت برای هر سه استان به صورت مجزا اعتبارسنجی شد و بیشترین دقت در استان آذربایجان غربی (معادل 78/0) به دست آمد. سپس اقدام به تولید نقشه های درون یابی شده میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مطالعاتی، با استفاده از تخمینگر زمین آماری کریجینگ بر اساس داده های برآورد شده با تکنیک شبکه های عصبی و داده های موجود ثبت شده در ایستگاه ها در دوره زمانی 2004- 1975 گردید. نتایج این تحقیق امکان دسترسی به آمار پیوسته و درازمدت بارندگی و همچنین بررسی تغییرات توزیع مکانی بارندگی را در منطقه شمال غرب کشور از گذشته تا امروز میسر می سازد.
منابع مشابه
برآورد مشخصه تراکم درختان جنگل با استفاده از آنالیز زمین و شبکه عصبی مصنوعی
اثر متقابل بین منظر زمین و خصوصیات جنگل کاملاً ثابت شده است. بنابراین فرض قابلقبولی است که فاکتورهای منظر زمین در یک منطقه جنگلی در ایجاد خصوصیات جنگل نقش تعیینکنندهای دارند. اگرچه پژوهشهای گذشته روابط کاملاً قطعی بین خصوصیات جنگل و عوامل محیطی را شناسایی کردهاند، اما تاکنون مدل مناسبی برای شرح این خصوصیات ارائه نشده است. استفاده از مدلهای رقومی زمین و مشخصههای قابل استخراج از آن میتواند...
متن کاملبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
متن کاملتخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی
پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانهها در مقیاسهای زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخا...
متن کاملتخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی
پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانهها در مقیاسهای زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخا...
متن کاملبرآورد تغییرات سطح پوشش جنگل های رودسر با استفاده از روش های طبقه بندی شبکه عصبی مصنوعی و حداکثر احتمال
امروزه کسب آگاهی و دانش در رابطه با پوشش گیاهی نقش مهمی را در مدیریت خاکها ایفا میکند. بااین وجود برآورد پوشش گیاهی به روش معمولی که شامل برآورد کلی از پوشش گیاهی است هم زمانبر است و هم اطلاعات چندان دقیقی را به دست نمیدهد. از این رو سنجش از دور فنآوری بسیار مفیدی است که به دلیل کاهش زمان و هزینه، بر سایر روشها ارجحیت داده میشود. در این تحقیق سعی بر آن شد با استفاده از تکنیکهای سنجش از د...
متن کاملپیشبینی مکانی غلظت فلوئورید با استفاده از مدلهای شبکههای عصبی مصنوعی و زمین آمار
در چند دهة اخیر محقّقین به ناهنجاریهای شیمیایی موجود در آب، خاک و هوا که سلامتی انسانها را تهدید میکنند، توجه خاصی داشتهاند. از این میان غلظت بیش از حد استاندارد (5/1 میلیگرم بر لیتر) فلوئورید در آبهای شرب به دلیل تأثیر مستقیم روی فیزیولوژی بدن انسان، اهمیت بالایی دارد. در منابع آبی دشتهای بازرگان و پلدشت غلظت فلوئورید بیش از حد استاندارد جهانی (WHO) است. هدف این تحقیق تعیین تغییرات مکانی ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
سنجش از دور و gis ایرانجلد ۴، شماره ۱۶، صفحات ۰-۰
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023