ارزیابی خشکسالی ایستگاههای سینوپتیک غرب کشور با استفاده روش هربست و مدل عصبی-فازی تطبیقی
author
Abstract:
بارندگیهای کم و متعاقباً دورههایی با دبی کم اثرات قابل توجهی برمدیریت منابع آب دارد. علاوه براین افزایش روبه رشد تقاضای آب موجب بحرانیتر شدن شرایط در دورههای حاد خشکسالی می گردد. مدیریت خشکسالی و اعمال محدودیتهای استفاده ازآب دریک نقطه بطورمستقیم تابع شدت خشکسالی میباشد. در این مقاله به بررسی تداوم، شدت و شاخص خشکسالی با استفاده از روش هربست و پیش بینی مقادیر کمبود بارش ماهانه با مدل ANFIS در 27 ایستگاه سینوپتیک در استانهای منطقه غرب کشور طی دوره آماری 30 سال(1985-2014) پرداخته شد. نتایج پایش خشکسالی نشان داد که در ایستگاههای سینوپتیک سراب و کرمانشاه به ترتیب با 260 ماه و 122 ماه بیشترین و کمترین تعداد ماه خشک را داشتند. و ماکزیمم شدت نسبی خشکسالی(Y(بدون بعد)) در ایستگاههای مراغه و جلفا به ترتیب 47/3 و 50/2 محاسبه شد. بیشترین و کمترین مقادیر شاخص خشکسالی(I) در ایستگاههای تکاب، سراب، سقز و سرپلذهاب و در ایستگاههای استان اردبیل و لرستان رخ داده است. همچنین در پیشبینی مقادیر کمیود بارش ماهانه(MMD) با مدل ANFIS با توجه به معیارهای نش، ضریب تعیین و میزان خطا جز در ایستگاههای کرمانشاه، میانه و پیرانشهر مدل عملکرد بهتر را نشان نداد.
similar resources
تحلیل روند بارش و ارزیابی خشکسالی های هواشناسی ایران با استفاده از روش هربست
ارزیابی و پایش خشکسالی در سیستم منابع آب از گام های اساسی در تحلیل سیستمها و تخصیص بهینه منابعآب جهت مصارف مختلف میباشند. از این رو در این تحقیق کل کشور ایران بهعنوان منطقه مطالعاتی انتخاب شده و1360 با استفاده از دادههای بارش ماهانه 31 ایستگاه - سعی گردید خشکسالی همزمان رخ داده در کشور در دوره 1389سینوپتیک مشخصگردد. شاخصخشکسالی هربست جهت پایش خشکسالی کشور استفاده شده و شدت و مدت خشکیبرای درونیا...
full textپیشبینی خشکسالی یکساله با استفاده از مدل فازی-عصبی، سریهای زمانی خشکسالی و شاخصهای اقلیمی (مطالعه موردی: زاهدان)
تحقیق حاضر تلاشی برای پیشبینی خشکسالی یک سال بعد در شهر زاهدان با استفاده از مقادیر پیشین شاخص خشکسالی بارندگی استاندارد شده (SPI) و 19 عدد از شاخصهای اقلیمی است. به این منظور از قابلیتهای سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) برای ساخت مدلهای پیشبینی و از شاخص خشکسالی SPI برای نمایش کمّی خشکسالی استفاده گردید. در ابتدا از روش محاسبه همبستگی برای تحلیل ارتباط میان خشکسالیها و شاخصهای اقلیم...
full textپیشبینی خشکسالی با استفاده از مدل فازی-عصبی، شاخصهای اقلیمی، بارندگی و شاخص خشکسالی (مطالعه موردی: زاهدان)
هدف تحقیق حاضر، پیشبینی خشکسالیهای پاییزهی زاهدان به وسیله متغیّرهای ورودی مختلف میباشد. این متغیّرها عبارتند از: بارندگی، مقادیر پیشین شاخص خشکسالی SPI و 19 عدد از شاخصهای اقلیمی. برای این منظور، میانگین سه ماهه اکتبر- نوامبر- دسامبر شاخص خشکسالی SPI به عنوان متغیّر خروجی انتخاب شد. سپس هرکدام از متغیّرهای ورودی یاد شده، در تأخیرهای زمانی صفر، 1، 2 و 3 ماهه (به ترتیب میانگین سه ماهه اکتبر-نوا...
full textپایش و تخمین خشکسالی ایستگاه های شرق دریاچۀ ارومیه با استفاده از مدل عصبیـ فازی تطبیقی
خشکسالی بهعنوان پدیدهای اقلیمی تحت تأثیر عوامل گوناگونی است؛ یکی از نمادهای مهم وقوع خشکسالی کاهش میزان بارندگی است. ارزیابی و پایش خشکسالی اهمیت زیادی در برنامهریزی و مدیریت منابع آب دارد. با توجه به شرایط اخیر در حوضۀ آبریز دریاچۀ ارومیه و روند خشکشدن بیسابقۀ آن، ارزیابی خشکسالی در این منطقه در حال حاضر ضرورتی انکارناپذیر بهحساب میآید. بدینمنظور در تحقیق حاضر با جمعآوری دادههای 11...
full textطراحی مدل پیشبینی و ارزیابی ظرفیت نوآوری شرکتهای دانشبنیان با رویکرد استنتاج فازی عصبی- تطبیقی(ANFIS)
ارزیابی ظرفیت نوآوری شرکتهای دانش بنیان و پیشبینی میزان ظرفیت نوآوری آنها برای این شرکتها بسیار حائز اهمیت است و تصمیم در خصوص انتقال یا بسط فناوری شرکت تابع میزان ظرفیت نوآوری است. هدف اصلی این تحقیق، طراحی مدل ارزیابی ظرفیت نوآوری شرکتهای دانش بنیان با رویکرد استنتاج فازی عصبی- تطبیقی است. سیستم استنتاج فازی عصبی - تطبیقی ([1]ANFIS) روش مناسبی برای حل مسائل غیرخطی است. ANFIS ترکیبی...
full textMy Resources
Journal title
volume 14 issue 1
pages 278- 284
publication date 2018-03-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023