مدل سازی فضایی-زمانی وقوع و مقدار بارش زمستانه در گستره ایران با استفاده از مدل مارکف پنهان

Authors

  • بذر افشان, جواد دانشگاه تهران
  • قمقامی, مهدی دانشگاه تهران
  • قهرمان, نوذر دانشگاه تهران
Abstract:

Multi site modeling of rainfall is one of the most important issues in environmental sciences especially in watershed management. For this purpose, different statistical models have been developed which involve spatial approaches in simulation and modeling of daily rainfall values. The hidden Markov is one of the multi-site daily rainfall models which in addition to simulation of daily rainfall values, explores the spatial and temporal pattern of rainfall events. In this study, the winter (January to April) rainfall pattern of 130 rain gauges have been modeled using hidden Markov approach during a 21 years period (1990-2010). The aim of this study was finding temporal and spatial distribution of weather patterns and stochastic simulation of occurrence and amount of rainfall, simultaneously. To achieve this goal, different hidden Markov algorithms including, Viterbi decoding algorithm, Expectation-Maximization (EM) algorithm and a stochastic simulation approach with the probability transformation were applied. It is expected that extracted patterns, using hidden Markov model, are consistent with synoptic patterns and accordingly eight different weather pattern as the definite set of possible cases were recognized. The most frequent rainfall pattern extracted from hidden Markov model was the dry pattern (stable condition) in which the rainfall occurrence probability is low in most of the stations. This pattern has the maximum initial probability of 0.429 and maximum Markov transfer probability of 0.637 Besides, multi-site simulation of winter rainfall keeping the basic statistic of mean, standard deviation of total seasonal rainfall and percentile values in each station and also spatial correlation of occurrence or non-occurrence of rainfall produced reasonable result. In general this approach can be recommended for regional studies.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل سازی فضایی-زمانی وقوع و مقدار بارش زمستانه در گستره ایران با استفاده از مدل مارکف پنهان

مدل­سازی چندمکانی بارش یکی از زمینه­های مهم در علوم طبیعی است و مدل­های مختلف آماری برای این مهم توسعه یافته­اند که نگرشی فضایی به مدل­سازی و شبیه­سازی بارش روزانه دارند. مدل مارکف پنهان یکی از انواع مدل­های چندمکانی بارش روزانه است که علاوه بر شبیه­سازی بارش روزانه، به بررسی توزیع فضایی و زمانی الگوهای وقوع بارش نیز می­پردازد. در مطالعه حاضر با بکارگیری مدل مارکف پنهان، اقدام به مدل­سازی بارش ...

full text

پیش بینی بیماری‌های کبدی با استفاده از مدل مارکف پنهان

Background: The liver is the largest internal organ and the most important organ after heart and brain in the human body without which life is impossible. Diagnosis of liver disease requires a long time and sufficient expertise of the doctor. Statistical methods can be classified as an automated forecasting system and help specialists for quickly and accurately diagnose liver disease. Hidden Ma...

full text

پیش آگاهی وضعیت خشکسالی هواشناسی در گستره ایران با استفاده از مدل زنجیره مارکف

مدیریت خشکسالی به منظور بهره برداری بهینه از منابع آب در مناطق خشک و نیمه خشک بسیار ضروری است. یکی از روش های مدیریت خشکسالی، پیش آگاهی آن با استفاده از روش های احتمالاتی است. در این مطالعه، از آمار بارندگی ماهانه مربوط به 33 ایستگاه سینوپتیک ایران طی دوره آماری 2005-1976 برای پایش و پیش بینی وضعیت خشکسالی در کشور استفاده شد، با توجه به وجود دوره های خشک بیش از شش ماه در برخی از ایستگاه های منا...

full text

برآورد احتمالات بارش روزانه با استفاده از مدل زنجیره مارکف در اقلیم‌های مختلف ایران

برای تجزیه و تحلیل آماری پیشامدهایی که مستقل نبوده و به پیشامدهای قبلی خود وابسته می‌باشند، از زنجیره مارکف استفاده می‌شود. در این مطالعه، احتمالات پیشامدهای متوالی روزهای خشک و تر 15 ایستگاه  سینوپتیک کشور با اقالیم مختلف از اقلیم خشک سرد تا مرطوب معتدل با استفاده از روش زنجیره‌ مارکف مورد تحلیل قرار گرفت. برای دستیابی به احتمالات پیشامدهای متوالی روزهای خشک و تر از آمار بارش روزانه ایستگاه‌ها...

full text

پیش آگاهی وضعیت خشکسالی هواشناسی در گستره ایران با استفاده از مدل زنجیره مارکف

مدیریت خشکسالی به منظور بهره برداری بهینه از منابع آب در مناطق خشک و نیمه خشک بسیار ضروری است. یکی از روش های مدیریت خشکسالی، پیش آگاهی آن با استفاده از روش های احتمالاتی است. در این مطالعه، از آمار بارندگی ماهانه مربوط به 33 ایستگاه سینوپتیک ایران طی دوره آماری 2005-1976 برای پایش و پیش بینی وضعیت خشکسالی در کشور استفاده شد، با توجه به وجود دوره های خشک بیش از شش ماه در برخی از ایستگاه های منا...

full text

برآورد احتمالات بارش روزانه با استفاده از مدل زنجیره مارکف در اقلیم های مختلف ایران

برای تجزیه و تحلیل آماری پیشامدهایی که مستقل نبوده و به پیشامدهای قبلی خود وابسته می باشند، از زنجیره مارکف استفاده می شود. در این مطالعه، احتمالات پیشامدهای متوالی روزهای خشک و تر 15 ایستگاه  سینوپتیک کشور با اقالیم مختلف از اقلیم خشک سرد تا مرطوب معتدل با استفاده از روش زنجیره مارکف مورد تحلیل قرار گرفت. برای دستیابی به احتمالات پیشامدهای متوالی روزهای خشک و تر از آمار بارش روزانه ایستگاه های...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 12

pages  139- 153

publication date 2016-01

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

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023