شبیه سازی وقوع بارندگی در ایستگاه سینوپتیک قزوین با استفاده از مدل های احتمالاتی
نویسندگان
چکیده
شبیه سازی وقوع بارندگی، بهویژه برای بازتولید اطلاعات مفقود شده و مدیریت منابع آب، فرایندی سودمند است. در این مطالعه، ارزیابی عملکرد مدل های احتمالاتی مختلف در شبیهسازی توزیع دوره های خشک و مرطوب ایستگاه سینوپتیک قزوین به چهار روش انجام گرفت: 1) برازش بهترین مدل بر اطلاعات هر ماه؛ 2) برازش توزیع هندسی بر اطلاعات هر ماه؛ 3) برازش بهترین مدل بر اطلاعات سهماهه و 4) برازش بهترین مدل بر اطلاعات فصلی. نتایج این مطالعه نشان داد که در شبیه سازی طول دوره های خشک، مدل های سه پارامتری (بهویژه ترکیب دو توزیع هندسی و ترکیب توزیع هندسی و پوآسون) در مقابل مدل های یک پارامتری و دو پارامتری، بهعنوان بهترین مدل انتخاب شدند. این مسأله، نشان از عملکرد بهتر این مدلها در شبیه سازی سری هایی با دوره های طولانی تر دارد؛ زیرا در شبیه سازی سری طول دوره های مرطوب ـ که شامل دوره های کوتاه تری است ـ مدل های یک پارامتری در بیشتر ماههای سال، بهعنوان مدل های برتر انتخاب شدند. خطای تمامی روش ها (rmse و mae) در شبیه سازی طول دوره های مرطوب با آغاز دورهی خشک، افزایش یافته و با آغاز دورهی مرطوب، رو به کاهش میروند. این مسأله در مورد دوره های خشک نیز صادق است، بهگونهای که خطای تمامی روش ها در دورهی مرطوب سال، بیشتر است. همچنین در شبیهسازی طول دوره های خشک، عملکرد روش های اوّل و دوم (ماهانه) در حفظ آماره های سری مشاهداتی بهتر از روش های دیگر بوده، اما در شبیه سازی طول دوره های مرطوب، روش‌های سوم (دورههای سهماهه) و چهارم (فصلی) عملکرد بهتری داشتند. در شبیه سازی احتمال انتقال از یک روز خشک، روش اوّل و در شبیه سازی احتمال انتقال از یک روز مرطوب، روش سوم بهترین نتایج را ارائه دادند.
منابع مشابه
پیشبینی کوتاه‌مدت خشکسالی با استفاده از شاخص بارش استاندارد شده و زنجیره احتمالاتی مارکف (مطالعه موردی: ایستگاه سینوپتیک قزوین)
آگاهی از وضعیت خشکسالی ابزاری مناسب جهت برنامهریزی در بخش کشاورزی، منابع آب و سایر موارد حادث‌شده از خشکسالی را فراهم میآورد. هدف از انجام این تحقیق پایش خشکسالی در ایستگاه سینوپتیک قزوین بر اساس شاخص بارش استاندارد (SPI)[1] و پیشبینی کوتاه‌مدت آن با زنجیره مارکف[2] میباشد. در این تحقیق احتمال بروز حالت‌های مختلف خشکسالی کوتاه‌مدت، بر اساس آمار ماهانه بارندگی ایستگاه سینوپتیک قزوین در ط...
متن کاملمدل سازی تبخیر- تعرق گیاه پتانسیل با استفاده از شبکه عصبی مصنوعی با حداقل متغیرهای اقلیمی در ایستگاه سینوپتیک مشهد
متن کامل
شبیه سازی وضعیت رسوب گذاری رودخانه کارون با استفاده از مدل ریاضی GSTARS 2.0حدفاصل ایستگاه های هیدرومتری اهواز تا فارسیات) )
متن کامل
پیشبینی تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک – شبکه عصبی GMDH
سابقه و هدف: تخمین دقیق مقدار تبخیر-تعرق مرجع برای انجام بسیاری از تحقیقات ضروری و از مهم‌ترین مسائل در طرح‌های آبیاری و زهکشی و منابع آب به شمار می‌رود. یکی از این مسائل که میتواند در راستای اهداف ذکرشده اعمال شود، پیشبینی تبخیر-تعرق مرجع برای آینده است تا بتوان با برنامه‌ریزی‌های مناسب، امکان استفاده بهتر از منابع موجود را فراهم نمود (7). در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل ...
متن کاملپیشبینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH(مطالعه موردی: ایستگاه سینوپتیک سلماس)
پیشبینی خشکسالی نقش مهمی در طراحی سیستمهای سازگاری با خشکسالی و اجرای عملیات تسکین ایفا مینماید. دادههای هیدرولوژیک به‌صورت ترکیبی از بخش قطعی و تصادفی میباشند. با توجه به اینکه دادههای تولیدی مدلهای هوشمند به‌صورت قطعی میباشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیشبینی این دادهها میتواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامهریزی بیان ژن (GEP) و مد...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهشهای جغرافیای طبیعیناشر: مؤسسه جغرافیا
ISSN 2008-630X
دوره 44
شماره 1 2012
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023