نویززدایی و پیش بینی سری زمانی بر پایه الگوریتم موجک و نظریه آشوب (مطالعه موردی: شاخص پایش خشکسالی spi شهر تبریز)
Authors
abstract
عملکرد پدیده های طبیعی در نگاه اول معمولا تصادفی به نظر می رسد، لیکن با تغییر مقیاس و حذف نویز می توانند به نوعی نظم دست یابند و امکان پیش بینی آن ها در آینده فراهم گردد. این ایده پایه اصلی نظریه آشوب (1chaos) می باشد که به مطالعه رفتار ناپایدار و غیر پریودیک در سیستم های دینامیکی غیرخطی نوسانی می پردازد. خشکسالی از مهم ترین بلایای طبیعی است و طراحی سیستم های پایش آن به منظور مدیریت بهتر منابع آب از اهمیت بسزایی برخوردار می باشد. از میان شاخص های پالایش، شاخص بارندگی استاندارد (2spi) در حال حاضر در دنیا به طور گسترده مورد استفاده قرار می گیرد. از آن جا که سری زمانی این شاخص ماهیت دینامیکی دارد، نظریه آشوب می تواند نقش بی نظیری را در کسب اطلاعات از این تغییرات ایفا کند. اما داده های spi دارای نویز می باشند که باعث می شود پیش بینی داده ها خیلی دقیق نباشد. از آنجا که الگوریتم موجک (3wavelet) قادر به بیان سیگنال در محدوده زمان و فرکانس و همچنین تحلیل موضعی سیگنال می باشد، در این تحقیق به منظور نویززدایی spi شهر تبریز در طول 40 سال دوره آماری اخیر، استفاده شده است. سپس ماهیت آشوبناکی سری زمانی حاصل با استفاده از شاخص های بعد همبستگی و نمای لیاپانوف مورد بررسی قرار گرفته است. نتایج نشانگر رفتار کاملاً آشوبناک سری زمانی تحت بررسی می باشد. بنابراین رفتار سیستم غیرتصادفی است و به عبارتی جزو فرآیند های استوکاستیکی و نویز دار مطرح نمی شود. جهت پیش بینی مقادیر spi توسط نظریه آشوب، از الگوریتم نزدیک ترین همسایگی کاذب استفاده گردیده است. نتایج صحت سنجی حاکی از دقت بالای پیش بینی نظریه آشوب بوده و بر این اساس میزان spi و شدت خشکسالی شهر تبریز برای 3 سال آینده پیش بینی شده است.
similar resources
نویززدایی و پیشبینی سری زمانی بر پایه الگوریتم موجک و نظریه آشوب (مطالعه موردی: شاخص پایش خشکسالی SPI شهر تبریز)
عملکرد پدیدههای طبیعی در نگاه اول معمولا تصادفی بهنظر میرسد، لیکن با تغییر مقیاس و حذف نویز میتوانند به نوعی نظم دست یابند و امکان پیشبینی آنها در آینده فراهم گردد. این ایده پایه اصلی نظریه آشوب (1chaos) میباشد که به مطالعه رفتار ناپایدار و غیر پریودیک در سیستمهای دینامیکی غیرخطی نوسانی میپردازد. خشکسالی از مهمترین بلایای طبیعی است و طراحی سیستمهای پایش آن به منظور مدیریت ...
full textپایش و پیش بینی خشکسالی استان خوزستان با استفاده از شاخص خشکسالی spi و زنجیره مارکوف
در مقاله حاضر با استفاده از سریهای زمانی حاصل از شاخص بارش استاندارد شده (spi) و زنجیره مارکوف، پایش، پیشبینی و گسترش خشکسالی در سطح استان خوزستان مورد بررسی قرار گرفته است. نتایج نشان داد که در تمامی ایستگاهها وضعیت تقریباً نرمال بر اساس شاخص spi با مقیاس زمانی شش ماهه، بیشترین فراوانی را دارا میباشد و بین 33 الی 42 درصد حالات را به خود اختصاص میدهد، احتمال گذر از یک حالت معین به همان حالت...
full textپایش و پیشبینی ترسالی و خشکسالی تبریز با استفاده از مدل CLIMGEN و شاخص SPI
امروزه پیشبینی داده های هواشناسی برای برنامه ریزی های آینده در زمینه های طبیعی و انسانی از اهمیت بالایی برخوردار است. از جمله می توان به پیشبینی خشکسالی و سیل و... اشاره کرد که در این صورت میتوان با برنامهریزی مدون از خسارات احتمالی کاست. در این پژوهش، ابتدا با استفاده از مدل CLIMGEN و دادههای هواشناسی (2009-1961)، ایستگاه سینوپتیک تبریز پیشبینی دادههای هواشناسی سالهای 2009-2000 ان...
full textپایش، تحلیل و پیش بینی خشکسالی با استفاده از سری های زمانی، مطالعه موردی: استان هرمزگان
با توجه به قرار گرفتن استان هرمزگان در ناحیه ی آب و هوایی خشک و نیمه خشک ایران و وقوع خشکسالی های مکرر به ویژه در سال های اخیر، اهمیت توجه به پایش و پیش بینی خشکسالی بیش از پیش ضروری می نماید. در این تحقیق به منظور بررسی فراوانی و تداوم وقوع خشکسالی از شاخص خشکسالی spi ماهانه و سالانه استفاده شده است. به این منظور پس از اخذ آمار و اطلاعات بارندگی ایستگاه های باران سنجی و سینوپتیک مستقر در سطح ا...
15 صفحه اولپایش خشکسالی و ارزیابی امکان پیش بینی آن در استان اردبیل با استفاده از شاخص SPI و مدل ANFIS
خشکسالی به عنوان یک پدیده اقلیمی به شدت بر همه جوانب فعالیت های بشری تاثیر می گذارد. با این حال مطالعات انجام شده در رابطه با این پدیده بر اساس روش های مناسب بسیار کم می باشد. بررسی ویژگی های خشکسالی و پیش بینی آن می تواند در کاهش خسارات حاصل از آن موثر باشد. از این رو در این تحقیق به بررسی خشکسالی و ارزیابی امکان پیش بینی آن برای ایستگاه هایی از استان اردبیل پرداخته می شود. داده های مورد استفا...
full textپیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایهای شعاعی ((RBF، سری زمانی AR...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات منابع آب ایرانجلد ۸، شماره ۳، صفحات ۱-۱۳
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023