پیشبینی نمایه خشکسالی SPI بهروشهای رگرسیون بردار پشتیبان و خطی چندگانه
Authors
Abstract:
خشکسالی پدیدهای طبیعی است که بهعلت برهمکنش عوامل مختلف هواشناسی، دارای فرآیند پیچیدهای بوده و در همه شرایط اقلیمی و در تمام مناطق کره زمین به وقوع میپیوندد. لذا پیشبینی نمایههای خشکسالی و ارزیابی زمانی آنها، یکی از راههای مؤثر در مدیریت بحران خشکسالی و تدوین طرحهایی بهمنظور کاهش اثرات آن به نظر میرسد. در پژوهش حاضر، برای پیشبینی نمایه خشکسالی بارش استاندارد شده (SPI) در ایستگاه سینوپتیک تبریز در بازهزمانی سالهای 1358 تا 1391، از روشهای رگرسیون بردار پشتیبان و رگرسیون خطی چندگانه استفاده گردید. بدین منظور، برای پیشبینی نمایه SPI در دورههای 3، 6، 9، 12، 24 و 48 ماهه از شش ترکیب متفاوت ورودی متشکل از مقادیر متناظر قبلی همان نمایه استفاده گردید. نتایج حاصل از تحلیل پارامترهای آماری نشان داد که هر دو روش مورد مطالعه دقت مناسبی در پیشبینی نمایههای خشکسالی داشتهاند ولی با این وجود، روش رگرسیون بردار پشتیبان در پیشبینی نمایههای SPI-6، SPI-9 و SPI-24 بهترتیب با داشتن جذر میانگین مربعات خطای 4985/0، 4340/0 و 2427/0 عملکرد بهتری در مقایسه با رگرسیون خطی چندگانه داشته است. ولی در پیشبینی نمایههای SPI-3، SPI-12 و SPI-48، روش رگرسیون خطی چندگانه خطای نسبی کمتری را نشان داد. با این وجود، میتوان چنین نتیجهگیری نمود که هر دو روش مورد مطالعه شامل رگرسیون بردار پشتیبان و خطی چندگانه پیشبینیهای مناسبی از نمایههای خشکسالی داشتهاند و میتوانند برای مدیریت عواقب ناشی از پدیده مذکور، با اطمینان قابل قبولی مورد استفاده قرار گیرند.
similar resources
پیشبینی فصلی خشکسالی هواشناسی با استفاده از ماشینهای بردار پشتیبان
در تحقیقات مختلف، پارامترهای هواشناسی متفاوتی در پیشبینی دورههای کم بارش مورد توجه قرار گرفتهاند. در این تحقیق نمایه بارش استاندارد شده (SPI) برای 6 سناریوی فصل (پاییز، زمستان، بهار، پاییز+ زمستان، زمستان+ بهار و پاییز تا بهار) محاسبه شده و متغیرهای هواشناسی پیشبینی کننده دمای هوا (در سطح 300، 500، 700 و 850 میلی بار) و ارتفاع ژئوپتانسیل (در سطح 300، 500، 700 و 850 میلی بار) در محدوده طول و...
full textتخمین عیار کانسار فسفات اسفوردی با روش رگرسیون بردار پشتیبان
امروزه تخمین متغیر با استفاده از روشهای مبتنی بر هوش مصنوعی از جمله رویکردهای جدیدی است که فرآیند تصمیمگیری موثر را در بسیاری از علوم میسر ساخته است. تخمین عیار نیز از مسایل مهم در ارزیابی ذخایر معدنی در علوم زمین به شمار میرود. روشهای زمین آماری از جمله روشهای متداول تخمین متغیر در علوم زمین محسوب میشوند. از آنجایی که این روشها در رابطه با دادههایی که تعداد آنها محدود است و ماهیت پراک...
full textبررسی کارایی روشهای رگرسیون بردار پشتیبان، شبکه عصبی پرسپترون چندلایه و رگرسیون خطی چندمتغیره به منظور پیشبینی تراز سطح آب زیرزمینی (مطالعه موردی: دشت شهرکرد)
Accurate and reliable simulation and prediction of the groundwater level variation is significant and essential in water resources management of a basin. Models such as ANNs and Support Vector Regression (SVR) have proved to be effective in modeling nonlinear function with a greater degree of accuracy. In this respect, an attempt is made to predict monthly groundwater level fluctuations using M...
full textماشین بردار پشتیبان و رگرسیون ماشین بردار پشتیبان با داده های فازی
یکی از روشهای دسته بندی داده ها ماشین بردار پشتیبان است، همچنین ممکن است داده های موجود مبهم باشند که به عنوان مجموعه های فازی توصیف می شوند. در این پایان نامه ابتدا ماشین بردار پشتیبان معرفی شده است سپس مفهوم مجموعه های فازی را وارد ماشین بردار پشتیبان و رگرسیون ماشین بردار پشتیبان کرده ایم. همچنین ضرایب مدل رگرسیون ماشین بردار پشتیبان فازی برآورد شده است. در فصل اول این پایان نامه مفاهیم و ...
15 صفحه اولپیشبینی درماندگی مالی شرکتها بوسیله مدلهای ماشین بردار پشتیبان و تحلیل ممیزی چندگانه
توانایی پیشبینی درماندگی مالی شرکتها به عنوان یکی از حوزههای مدیریت ریسک، از اهمیت ویژهای برخوردار است. هدف تحقیق حاضر بهبود فرآیند پیش بینی درماندگی مالی با تکیه بر دو بخش مهم در فرآیند مزبور است. برای این منظور ساختار تحقیق در دو بخش پیکربندی شده است. در بخش نخست تمرکز این مقاله بر متغیرهای پیشبین بوده و در بخش دوم نیز بر دو مدل مهم پیشبینی درماندگی مالی شرکتها تأکید شده است. برای تح...
full textMy Resources
Journal title
volume 6 issue 4
pages 1- 16
publication date 2017-05-22
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