بررسی عدم قطعیت مدل شبکه عصبی در ریز‌مقیاس گردانی ‏HadCM3‎‏ با روش ‏فاصله اطمینان بوت استراپ

Authors

  • باقر قرمزچشمه دانشجوی دکتری، دانشکده جغرافیا و برنامه‌ریزی، دانشگاه تبریز
  • علیرضا مساح بوانی دانشیار، پردیس ابوریحان، دانشگاه تهران
  • علی‌اکبر رسولی استاد، دانشکده جغرافیا و برنامه‌ریزی، دانشگاه تبریز
  • علی‌محمد خورشیددوست استاد، دانشکده جغرافیا و برنامه‌ریزی، دانشگاه تبریز
  • مجید رضائی‌بنفشه دانشیار، دانشکده جغرافیا و برنامه‌ریزی، دانشگاه تبریز
Abstract:

در روش‌های ریزمقیاس گردانی آماری که بر اساس رابطه بین داده‌های گردش عمومی اتمسفری-اقیانوسی و هر یک از متغیرهای اقلیمی (بارش، دمای کمینه، دمای بیشینه) ایجاد می‌شود، دوره آتی آن متغیر اقلیمی شبیه‌سازی می‌شود. از آن‌جایی که در شبیه‌سازی، تمامی عوامل رخ داد، یک متغیر در مدل وارد نمی‌شود، لذا برآورد به‌وجود آمده همراه با خطا و یا عدم قطعیت می‌باشد. خروجی مدل‌های ریزمقیاس گردانی به‌عنوان ورودی در مدل‌های منابع آب و کشاورزی وارد شده و در صورتی که این ورودی‌ها دارای خطا باشند، خروجی مدل‌های ذکر شده نیز با عدم قطعیت بیشتری مواجه خواهد شد. شناخت مقدار خطا و یا عدم قطعیت هر مدل در قضاوت و اطمینان به نتایج به‌دست آمده ضروری است. در این تحقیق سعی شده است، عدم قطعیت ریزمقیاس گردانی مدل‌های GCM با شبکه عصبی در ایستگاه‌های شمال غرب کشور بررسی شود. بدین منظور، مدل شبکه عصبی اجراء و برای هر یک از ماه‌های سال، دمای کمینه، بیشینه و بارش با داده‌های NCEP واسنجی و ارزیابی شد. سپس، با داده‌های HadCM3 در دوره حاضر مدل ایجاد شده، مقادیر فوق شبیه‌سازی شد. داده‌های روزانه مشاهده‌ای هر ماه در دوره (2001-1961) تهیه و در هر ایستگاه و هر ماه با روش بوت استرپ فاصله اطمینان 99 درصد استخراج شد. سپس متوسط ماهانه دوره هر یک از متغیرهای اقلیمی برآورد شده به‌وسیله شبکه عصبی محاسبه شد. برای این منظور از دو معیار میانگین و واریانس داده‌ها استفاده شد. در هر ماه هرگاه میانگین یا واریانس برآورد شده در محدوده اطمیان قرار گیرد، برآورد به‌دست آمده دارای اطمینان است. برای مقایسه نتایج از تعداد ایستگاه-ماه استفاده شد. نتایج نشان داد که میانگین دمای بیشینه در 14 ایستگاه-ماه در محدوده اطمینان واقع شدند. تحلیل ماهانه آن نیز نشان داد، دقت شبکه عصبی در تابستان کم بوده و عدم قطعیت بالاتری نسبت به فصول دیگر دارد. در شبیه‌سازی دمای کمینه بر اساس این معیار 18 ایستگاه-ماه در محدوده اطمینان واقع شد. دقت شبکه عصبی در تابستان برای برآورد دمای کمینه کم و دارای عدم قطعیت در اغلب ایستگاه‌ها بود. به‌طوری که در ماه‌های ژوئن و آگوست در هیچ یک از ایستگاه‌ها برآورد به‌دست آمده در محدوده اطمینان قرار نگرفت. محدوده اطمینان بارش به‌دلیل ماهیت تغییرات زیاد آن نسبت به دما بسیار بالا بوده و تا بیش از 50 درصد بارش متوسط ماه نیز در برخی ایستگاه‌ها رسید. باتوجه به دامنه اطمینان بالای بارش، در 53 مورد ایستگاه-ماه در محدوده اطمینان قرار گرفتند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی عدم قطعیت مدل شبکه عصبی در ریز مقیاس گردانی ‏hadcm3‎‏ با روش ‏فاصله اطمینان بوت استراپ

در روش های ریزمقیاس گردانی آماری که بر اساس رابطه بین داده های گردش عمومی اتمسفری-اقیانوسی و هر یک از متغیرهای اقلیمی (بارش، دمای کمینه، دمای بیشینه) ایجاد می شود، دوره آتی آن متغیر اقلیمی شبیه سازی می شود. از آن جایی که در شبیه سازی، تمامی عوامل رخ داد، یک متغیر در مدل وارد نمی شود، لذا برآورد به وجود آمده همراه با خطا و یا عدم قطعیت می باشد. خروجی مدل های ریزمقیاس گردانی به عنوان ورودی در مدل...

full text

تحلیل عدم قطعیت مدل های شبکه عصبی و نروفازی در پیش بینی جریان رودخانه

پیش بینی آورد رودخانه در مدیریت منابع آب از اهمیت فراوانی برخوردار است، اما به دلیل عدم قطعیت بالا در عواملی که فرآیند بارش- رواناب را سبب می‌گردند، همواره با مشکلاتی همراه بوده است. یکی از روش‌هایی که می‌تواند این مشکل را تا حدی کاهش دهد، تحلیل‌ عدم قطعیت پیش‌بینی‌های انجام شده می‌باشد. این تحلیل‌ها در مدل‌های آماری سابقه طولانی دارند، ولی برای مدل‌های شبکه عصبی و نروفازی کمتر مورد استفاده قرا...

full text

بررسی اثرات تغییر اقلیم بر رواناب حوضه قره سو با استفاده از ریزمقیاس نمایی آماری داده های مدل HADCM3 و شبکه عصبی پویا

در پی خسارت‌هایی که بشر از صنعت‌گرایی‌اش به زمین زده است، جایگاه پژوهش درباره تغییرات اقلیم و گرمایش جهانی که منبعث از صنعتی شدن زمین است، روز به روز افزوده خواهد شد. نیروی تابشی در اثر گازهای گلخانه‌ای عامل اصلی گرم شدن جهانی می‌باشد و این عامل، در حال تغییر اقلیم جهان با سرعتی بی سابقه است. هرگونه تغییر اقلیم در کره‌ی خاکی، سرآغاز زنجیره‌ای از واکنش‌هاست که اثر آن به طور مستقیم در فرآیندهای ه...

full text

بررسی عدم قطعیت شبیه‌سازی بارش آینده (مطالعه موردی: ایستگاه همدیدی بجنورد و مشهد)

علیرغم پیشرفت علم و در نتیجه دقیق‌تر شدن مدل‌های اقلیمی در پروژه‌های تغییر اقلیم، منابع مختلفی از عدم قطعیت وجود دارد که ناشی از فعالیت‌های انسانی و واکنش متقابل سیستم اقلیمی در مقیاس‌های بزرگ مکانی و زمانی است. لذا، به‌منظور کاربرد موفقیت‌آمیز شبیه‌سازی‌ پارامترهای هواشناسی در تحقیقات کاربردی منابع آب، تحلیل عدم قطعیت ضروری است. هدف این تحقیق، بررسی عدم قطعیت شبیه‌سازی‌ سری‌زمانی بارش در افق آ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 3

pages  306- 316

publication date 2015-10-23

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