ارزیابی کارایی مدل SDSM در شبیه سازی میانگین دمای شهر کرمانشاه
Authors
Abstract:
افزایش گرمایش جهانی به عنوان یکی از مسائل عمده جهانی در قرن حاضر مطرح است. به همین دلیل بررسی و ارزیابی روند آن برای انسان اهمیت دارد، از این رو شبیهسازی این متغیر اقلیمی برای درک آینده بشر میتواند راهگشا باشد. روشهای مختلفی برای شبیهسازی و پیشبینی متغیرهای اقلیمیوجود دارد که معتبرترین آنها استفاده از دادههای مدل گردش عمومیجو یا GCM میباشد. از جمله پرکاربردترین مدلها جهت ریز مقیاس کردن دادههای GCM، مدل آماری SDSM میباشددرتحقیق حاضر،میزانکاراییاینمدلجهتریزمقیاسنماییمیانگیندمایدرایستگاهشهرکرمانشاهموردارزیابیقرارگرفت. بدین منظور با استفاده از دادههایدمای روزانه ایستگاههمدیدشهرکرمانشاه ودادههایمرکزملی پیشبینیمتغیرهایمحیطی، انتخابمتغیرهای مستقلوکالیبرهکردنمدلبرایمیانگین دماصورتگرفت. بهمنظورکالیبرهکردنمدل دادههایدیدبانی شدهایستگاه هواشناسیکرمانشاهو دادههایمرکزملیپیشبینیمتغیرهایمحیطیNCEPبهدودوره 15 ساله (1975- 1961) و (1990-1976) تقسیم شدند.از15سالاولبرایکالیبرهکردنمدلبااستفادهازروشبهینهسازیحداقلمربعات خطااستفادهشد. این کار برای دوره 40 ساله از 1961 تا 2000 نیز انجام گرفت. سپس دادههای دمای میانگین برای دوره ده ساله 2010 -2001 بر اساس 2 دوره پایه 15 ساله (1990-1961) و40 ساله (2000- 1961) تحت دو سناریوی A2 و B2، پیشبینی و با دادههای مشاهداتی این دورهمقایسه شدتا میزان کارایی مدل برای پیشبینی ارزیابی گردد. نتایج نشان داد که با افزایش طول دوره پایه پیشبینی مدل بهتر خواهد شد و هرچه طول دوره کمتر باشد برآورد مدل چندان مناسب نخواهد بود.
similar resources
ارزیابی عملکرد مدل های ریزمقیاس گردانی LARS-WG و SDSM در شبیه سازی تغییرات اقلیمی در حوضه آبریز دریاچه ارومیه
در بررسی تغییرات اقلیمی، پیش بینی آینده پارامترهای اقلیمی توسط مدل های گردش عمومی (GCMs) و تحت سناریوهای انتشار گازهای گلخانه ای انجام می شود؛ اما خروجی این مدل ها به علت بزرگمقیاس بودن شبکه ی آنها فاقد دقت مکانی و زمانی مناسب در مقیاس کوچک می باشند. بدین منظور نیاز به کوچکمقیاس کردن خروجی این مدل ها در مقیاس ایستگاهی و نقطه ای با استفاده از مدل های ریزمقیاس گردانی خواهد بود که به دو دسته آ...
full textارزیابی کاربرد مدل های شبکه عصبی مصنوعی و SDSM به منظورشبیه سازی دمای کمینه و بیشینه ایستگاه اصفهان
با توجه به تغییرات اقلیمی و گرمایش جهانی، پیشبینی دمای بیشینه و کمینه که از مهمترین پارمترهای اقلیمی است، فرصت مناسبی را برای برنامهریزی و ارائه تمهیدات لازم در اختیار برنامهریزان قرار میدهد. در این پژوهش با استفاده از مدل ریزگردانی آماری دینامیک (SDSM) و مدل ریزگردانی براساس شبکه عصبی مصنوعی (ANN) بیشینه و کمینۀ دمای ایستگاه اصفهان شبیهسازی شد. در این راستا از دادههای مرکز ملی پیشبینی ...
full textارزیابی کارایی مدل ArcSWAT وبرنامه ParaSol در شبیه سازی جریان (مطالعه موردی حوزه آبخیزقزاقلی استان گلستان)
این مقاله فاقد چکیده میباشد.
full textارزیابی عملکرد مدل WRF در شبیه سازی بارشهای سنگین
سابقه و هدف: هر ساله وقوع بارشهای سنگین در حوضههای سیلخیز کشور منجر به رخداد سیلاب و خسارتهای هنگفتی میگردد. پیشبینی بارشهای سنگین یکی از گامهای ضروری در تدوین و توسعه یک سیستم هشدار سیلاب است. در سالهای اخیر استفاده از مدلهای عددی وضع هوا در پیشبینی بارش کاربرد گستردهای داشته است. سرویسها و مراکز هواشناسی مختلفی، پیشبینیهای جوی را با حل مدلهای عددی وضع هوا ارائه میکنند. لازم...
full textارزیابی دقت مدل SARIMA در مدلسازی و پیشبینی بلندمدت میانگین دمای ماهانه در اقلیمهای متفاوت ایران
مدلسازی و پیشبینی متغیرهای هواشناسی اهمیت ویژه ای در برنامه ریزی محیطی دارد. سریهای زمانی از جمله مدلهایی است که در این راستا میتوان از انواع فصلی آن مثل SARIMA استفاده نمود. در این تحقیق از این مدل برای مدلسازی و پیشبینی دمای میانگین ماهانه 5 ایستگاه همدیدی در اقلیمهای مختلف کشور استفاده شدهاست. دادههای ایستگاههای آبادان، اصفهان، انزلی و دو ایستگاه تبریز و مشهد با اقلیم مشابه طی سالها...
full textارزیابی عملکرد سیستم ریسندگی از طریق مدل بندی شبیه سازی
سیستم ریسندگی یک بخش مهم در صنعت نساجی است که با انجام مجموعه ای از فرآیندها پنبه خام را به نخ تبدیل می کند. این فرآیند فقط زمانی به طور پیوسته انجام می شود که هیچ خطایی در فرآیندها ایجاد نشود. خطاها می تواند به دلایل شرایط محیطی چون رطوبت، کیفیت پنبه، سرعت حرکت دوک و عوامل دیگر روی دهد که خود عامل اساسی در کاهش بهره وری صنعت ریسندگی است. خطاها باعث صف انتظار در سیستم می شود تا زمانی که اپراتور...
full textMy Resources
Journal title
volume 27 issue 105
pages 49- 62
publication date 2018-05-22
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023