پیش بینی حداکثر بارندگی ماهانه ایستگاه ایلام از روی دمای سطح آب خلیج فارس و دریای سرخ با استفاده از روش داده کاوی
Authors
abstract
پیش بینی حداکثر بارندگی ماهانه یکی از ابزارهای بهینه برای مدیریت های کشاورزی و منابع آب است. تحقیقات گذشته نشان می دهد، نوسانات دمای سطح آب دریاها بر بارش سطح خشکی های زمین موثر است. در این تحقیق ارتباط بین دمای سطوح گستره های آبی خلیج فارس و دریای سرخ با حداکثر بارش ماهانه ایستگاه ایلام و همچنین امکان پیش بینی آن با استفاده از روش داده کاوی بررسی شد. برای این منظور آمار 45 سال دمای ماهانه سطوح آبی فوق به همراه بارندگی ماهانه ایستگاه ایلام استفاده شدند. شاخص اعتماد بین هر یک از دمای سطوح آب خلیج فارس و دریای سرخ و حداکثر بارش ماهانه بیش از 60 درصد برآورد شد. این رقم بیانگر همبستگی زیاد بین دمای این سطوح و حداکثر بارش ایستگاه ایلام است. نتایج نشان داد، حداکثر بارش ماهانه با اعتماد 8/66 درصد و با زمان تأخیر یک ماه با استفاده از دمای دو سطح آبی خلیج فارس و دریای سرخ قابل پیش بینی است.
similar resources
پیشبینی حداکثر بارندگی ماهانه ایستگاه ایلام از روی دمای سطح آب خلیج فارس و دریای سرخ با استفاده از روش داده کاوی
پیشبینی حداکثر بارندگی ماهانه یکی از ابزارهای بهینه برای مدیریتهای کشاورزی و منابع آب است. تحقیقات گذشته نشان میدهد، نوسانات دمای سطح آب دریاها بر بارش سطح خشکیهای زمین موثر است. در این تحقیق ارتباط بین دمای سطوح گسترههای آبی خلیج فارس و دریای سرخ با حداکثر بارش ماهانه ایستگاه ایلام و همچنین امکان پیشبینی آن با استفاده از روش دادهکاوی بررسی شد. برای این منظور آمار 45 سال دمای ماهانه سطوح...
full textپیش بینی دمای سطح آب خلیج فارس با استفاده از فرایندهای اتورگرسیو برداری
در این مطالعه مدل های سری های زمانی چند متغیره به عنوان مدل های تصادفی خطی برای پیش بینی میانگین ماهانه دمای سطح آب خلیج فارس استفاده شد. سری های زمانی داده های این دما برای شش گره دریایی برای دوره 2007-1854 به عنوان پرونده ورودی مدل های چند متغیره سری های زمانی در نظر گرفته شدند. فرایندهای اتورگرسیو برداری برای انجام سری های زمانی چند متغیره به کار برده شدند. نمودارهای خود همبستگی باقی مانده ه...
full textپیش بینی دمای سطح آب خلیج فارس با استفاده از فرایندهای اتورگرسیو برداری
در این مطالعه مدل های سری های زمانی چند متغیره به عنوان مدل های تصادفی خطی برای پیش بینی میانگین ماهانه دمای سطح آب خلیج فارس استفاده شد. سری های زمانی داده های این دما برای شش گره دریایی برای دوره 2007-1854 به عنوان پرونده ورودی مدل های چند متغیره سری های زمانی در نظر گرفته شدند. فرایندهای اتورگرسیو برداری برای انجام سری های زمانی چند متغیره به کار برده شدند. نمودارهای خود همبستگی باقی مانده ه...
full textپیش بینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مؤلفه های اصلی
با توجه به آن که نوسانات دمای سطح آب خلیج فارس (pgsst) (persian gulf sea surface temperature) تأثیر قابل ملاحظه ای بر بارش زمستانه، منابع آب و تولیدات کشاورزی نواحی جنوب غربی کشور دارد، امکان پیش بینی دمای زمستانه دمای سطح آب این گستره آبی با استفاده از مدل رگرسیون چندگانه مورد ارزیابی قرار گرفت. سری های زمانی pgsst برای کلیه فصول در دوره 1992-1947 به عنوان پیشگوکننده و سری زمانی این متغیر برای...
full textپیشبینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مؤلفههای اصلی
Since the fluctuations of the Persian Gulf Sea Surface Temperature (PGSST) have a significant effect on the winter precipitation and water resources and agricultural productions of the south western parts of Iran, the possibility of the Winter SST prediction was evaluated by multiple regression model. The time series of PGSSTs for all seasons, during 1947-1992, were considered as predictors, an...
full textپیشبینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مؤلفههای اصلی
Since the fluctuations of the Persian Gulf Sea Surface Temperature (PGSST) have a significant effect on the winter precipitation and water resources and agricultural productions of the south western parts of Iran, the possibility of the Winter SST prediction was evaluated by multiple regression model. The time series of PGSSTs for all seasons, during 1947-1992, were considered as predictors, an...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات آب و خاک ایرانPublisher: پردیس کشاورزی و منابع طبیعی دانشگاه تهران
ISSN 2008-479X
volume 42
issue 1 2011
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023