بررسی احتمال وقوع و تداوم روزهای بارانی با استفاده از مدل زنجیره ی مارکوف (مطالعه ی موردی شهر لامرد)
Authors
Abstract:
در پژوهش حاضر، با استفاده از آمار موجود بارش روزانه مربوط به 22 سال (1995-2016) ایستگاه هواشناسی شهر لامرد (واقع در استان فارس)، تواتر و تداوم روزهای بارانی در این شهر با استفاده از مدل زنجیرة مارکوف مورد مطالعه قرار گرفت. در این مطالعه، به دلیل ناچیز بودن تعداد بارش روزانه در ماه های مه تا اکتبر، از این ماه‌ها صرفنظر شد. دادههای بارش روزانه براساس ماتریس فراوانی تغییر حالات رخداد روزهای خشک و بارانی مرتب شده و ماتریس انتقال بر اساس روش حداکثر درستنمایی محاسبه گردید. در تحقیقاتی که در ایران جهت پیش‌بینی بارش با استفاده از زنجیرة مارکوف صورت گرفته، تنها از زنجیرة مارکوف مرتبة اول استفاده شده که چه بسا همخوانی مناسبی با داده‌ها نداشته و نتایج نادرستی را ارائه داده است. اما در تحقیق حاضر، با روش‌های آماری دقیق، مرتبة مناسب زنجیرة مارکوف، تشخیص داده شده و به کار گرفته شد. ماتریس‌های احتمال ایستا و دورة بازگشت تداوم روزهای بارانی 2 تا 5 روزه برای ماه‌های مذکور محاسبه گردید. نتایج نشان داد که احتمال وقوع بارش در هر روز 126/0 و احتمال عدم وقوع بارش 874/0 است. جهت اعتبارسنجی نتایج، پیش‌بینی‌های کوتاه‌مدت و بلندمدت بدست آمده را با نتایج واقعی ماه‌های ژانویه، فوریه و مارس سال 2017 میلادی با استفاده از آزمون‌های متداول برابری درصدها مورد مقایسه قرار گرفت که این نتایج آزمون‌ها نشان می دهد که پیش‌بینی‌ها قویا مورد تایید قرار می‌گیرند.
similar resources
بررسی احتمال تواتر و تداوم روزهای بارانی در شهر تبریز با استفاده از مدل زنجیره مارکوف
در این پژوهش تواتر وتداوم روزهای بارانی شهرتبریز براساس قوانین احتمالی، به صورت فرایندهایی تصادفی و با استفاده از تکنیک زنجیره‌های مارکوف در معرض تحلیل قرار گرفت. برای دستیابی به این مقصود از آمار بارش روزانه مربوط به 55 سال (2005-1951) ایستگاه تبریز بهره گرفته شد. آمار مزبور براساس ماتریس شمارش تغییر حالت روزهای بارانی و فاقد بارش مرتب شده، سپس ماتریس احتمال تغییر وضعیت براساس روش درستنمایی ب...
full textواکاوی احتمال تواتر و تداوم روزهای بارانی شهر شیراز با استفاده از مدل زنجیره مارکوف
تحلیل های احتمالی، روش هایی مفید برای شناخت و پیش بینی پدیده ایی نظیر بارش می باشند. از جمله ی این روش ها می توان به زنجیره مارکوف اشاره کرد. زنجیره ی مارکوف حالت خاصی از مدل هایی است که در آنها حالت فعلی یک سیستم به حالت های قبلی آن بستگی دارد. با این روش می توان احتمال وقوع و دوره ی بازگشت پدیده های اقلیمی نظیر بارش را محاسبه نمود. از اینرو در پژوهش حاضر با استفاده از آمار بارش روزانه مربوط ب...
full textبررسی احتمال تواتر و تداوم روزهای بارانی در شهر تبریز با استفاده از مدل زنجیره مارکوف
در این پژوهش تواتر وتداوم روزهای بارانی شهرتبریز براساس قوانین احتمالی، به صورت فرایندهایی تصادفی و با استفاده از تکنیک زنجیره های مارکوف در معرض تحلیل قرار گرفت. برای دستیابی به این مقصود از آمار بارش روزانه مربوط به 55 سال (2005-1951) ایستگاه تبریز بهره گرفته شد. آمار مزبور براساس ماتریس شمارش تغییر حالت روزهای بارانی و فاقد بارش مرتب شده، سپس ماتریس احتمال تغییر وضعیت براساس روش درستنمایی ب...
full textواکاوی احتمال تواتر و تداوم روزهای بارانی شهر شیراز با استفاده از مدل زنجیره مارکوف
تحلیل های احتمالی، روش هایی مفید برای شناخت و پیش بینی پدیده ایی نظیر بارش می باشند. از جمله ی این روش ها می توان به زنجیره مارکوف اشاره کرد. زنجیره ی مارکوف حالت خاصی از مدل هایی است که در آنها حالت فعلی یک سیستم به حالت های قبلی آن بستگی دارد. با این روش می توان احتمال وقوع و دوره ی بازگشت پدیده های اقلیمی نظیر بارش را محاسبه نمود. از اینرو در پژوهش حاضر با استفاده از آمار بارش روزانه مربوط ب...
full textبررسی احتمال تواتر و تداوم روزهای بارانی در جنوب‌غرب ایران با استفاده از مدل زنجیره مارکف
چکیده یکی از مهمترین مسائل در مناطق خشک و نیمهخشک مدیریت منابع آب است. بنابراین با مطالعه و شناخت رفتارها و احتمال وقوع یا عدم وقوع بارش توان مدیریتی مربوط به منابع آبی را در این مناطق بهبود بخشید. در این پژوهش احتمال وقوع روزهای همراه با بارش در جنوب غرب ایران با استفاده از دادههای بارش روزانه ایستگاههای سینوپتیک در دوره آماری 1995-2009 و با استفاده از مدل زنجیره مارکف انجام شد. سپس ماتر...
full textMy Resources
Journal title
volume 14 issue 2
pages 105- 115
publication date 2018-06-22
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