طبقه‌بندی آب‌شهاب‌ها با استفاده از اطلاعات مایکروویو ماهواره‌ای و روش شبکه‌های عصبی

Authors

آذرمهر خواجه‌ای دانشجوی کارشناسی ارشد هواشناسی – دانشگاه هرمزگان

ابوالحسن غیبی استادیار گروه فیزیک دانشگاه هرمزگان

Abstract:

آب‌شهاب‌های موجود در جو، به هر شکلی که باشند (جامد، مایع و گاز)، با تابش مایکروویو (از طریق پراکندگی، جذب و گسیل) برهمکنش می‌کنند. اندازه‌گیری‌های گمانه‌زن مایکروویو پیشرفته واحد B (AMSU-B) روی ماهواره‌های NOAA به نوع، شکل و توزیع اندازه و همچنین رفتار سقوطی آب‌شهاب‌ها در حجم تفکیک ابزار سنجش حساس و در نتیجه برای مطالعه انواع مختلف آب‌شهاب‌های جوی مفید می‌باشند. از جمله کاربرد اطلاعات خرد فیزیکی و طبقه‌بندی آب‌شهاب‌های جوی می‌توان به مقداردهی اولیه مدل‌های ابر و مدل‌های عددی پیش‌بینی آب‌و هوا، مطالعه در خصوص شکل‌گیری و چرخه زندگی بارش و همچنین انتخاب الگوریتم مناسب برای برآورد بارش اشاره کرد. با توجه به این مهم، در این مقاله با استفاده از دمای تابشی اندازه‌گیری شده توسط گمانه‌زن AMSU-B و روش شبکه‌های عصبی مصنوعی بطور همزمان هشت نوع آب‌شهاب‌ مختلف، 1- توفان تندری(TS) 2- باران سنگین(HR) 3- باران سبک(LR) 4- باران متوسط(MR) 5- بارش برف(SF) 6- پوشش برف(SC) 7- آسمان ابری(CLS) 8- آسمان صاف(CS) به هشت کلاس مجزا طبقه‌بندی شده‌اند. از حدود 200 گذر ماهواره طی دوره‌ی مورد مطالعه، بین سال‌های 2000 تا 2010، برای هر نوع آب‌شهاب 200 نمونه و در مجموع 1600 نمونه که تقریبا با گزارش‌های سازمان هواشناسی همزمان بوده‌اند جمع‌آوری شده است. نتایج نشان می‌دهد که انواع کلاس‌های بارش باران، نرمه بارش، بارش متوسط و بارش شدید، با دقتی بین 54 تا 62 درصد، نسبت به سایر کلاس‌های آب‌شهاب‌ها، با دقت کمتری، و انواع دیگر آب‌شهاب‌ها تقریباً با دقتی بیش از 80 درصد بطور صحیح طبقه‌بندی شده‌اند. با قراردادن تمام کلاس‌های بارش باران در یک کلاس واحد (بارش باران RF) روی همرفته دقت طبقه‌بندی شبکه‌ی عصبی به حدود 85% ( 340 الگو از 400 الگو بطور صحیح طبقه‌بندی شده‌اند) ارتقاء می‌یابد.

Upgrade to premium to download articles

Already have an account?login

similar resources

طبقه بندی آب شهاب ها با استفاده از اطلاعات مایکروویو ماهواره ای و روش شبکه های عصبی

آب شهاب های موجود در جو، به هر شکلی که باشند (جامد، مایع و گاز)، با تابش مایکروویو (از طریق پراکندگی، جذب و گسیل) برهمکنش می کنند. اندازه گیری های گمانه زن مایکروویو پیشرفته واحد b (amsu-b) روی ماهواره های noaa به نوع، شکل و توزیع اندازه و همچنین رفتار سقوطی آب شهاب ها در حجم تفکیک ابزار سنجش حساس و در نتیجه برای مطالعه انواع مختلف آب شهاب های جوی مفید می باشند. از جمله کاربرد اطلاعات خرد فیزیک...

full text

بررسی رابطه بین ارزشهای رقومی بازتاب حاصل از تصاویر ماهوارهای etm+ و ماده آلی خاک با استفاده از شبکههای عصبی مصنوعی و مدلهای رگرسیونی

مقدار ماده آلی نقشی کلیدی در تعیین رفتار فیزیکی، شیمیایی و بیولوژیکی خاک دارد و آگاهی از وضعیت و توزیع آن برای استفاده بهینه و پایدار از خاک ضروری است. اندازه گیری ماده آلی در آزمایشگاه، بسیار وقت گیر و پرهزینه بوده و امکان تعمیم نتایج حاصل به مناطق مشابه را دارا نمی باشد. اخیرا استفاده از داده های سنجش از دور در ارزیابی مقدار ماده آلی خاک به عنوان روشی ساده، سریع، ارزان و حتی دقیق توجه محققان ...

full text

پیش بینی عملکرد ذرت علوفهای با استفاده از شبکههای عصبی مصنوعی

full text

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

مدل‌سازی استخراج روغن از دانۀ کتان به کمک پیش‌تیمار مایکروویو با استفاده از شبکه‌های عصبی مصنوعی

در تکنولوژی استخراج روغن، تیماردهی مناسب دانه قبل از استخراج یکی از مهم‌ترین و ضروری‌ترین مراحل برای تولید محصولی با کیفیت و راندمان بالاست. در این تحقیق به‌منظور مدل‌سازی فرایند استخراج روغن از دانه‌های کتان به کمک پیش‌تیمار مایکروویو از زمان‌های مختلف فرایند (90، 180 و 270 ثانیه) و توان‌های مختلف (180، 540 و 900 وات) استفاده گردید و میزان راندمان استخراج، اسیدیته، ضریب شکست، دانسیته، عدد اسید...

full text

پیش بینی رفتار مشتریان با استفاده از تکنیک شبکههای عصبی مصنوعی

امروزه روش های کمی، به یکی از مهم ترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاریهای کلان در بازارها تبدیل شده اند. دقت پیش بینی، یکی از مهم ترین فاکتورهای انتخاب روش پیش بینی است؛ شبکه های عصبی مصنوعی، برنامه های کامپیوتری منعطفی هستند که در سطح گسترده ای برای پیش بینی، با درجه بالایی از دقت به کار برده می شوند. امروزه میتوان با استفاده از تکنیک های داده کاوی و شبکه های عصبی به بررسی و ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

نیوار

volume 37 issue 83-82

pages 13- 24

publication date 2013-02-01

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

آب‌شهاب‌ها گمانه‌زن مایکروویو پیشرفته واحد B

Hosted on Doprax cloud platform doprax.com