کارآیی روش های پس پردازش آماری در بهبود پیش بینی ماهانه بارش مدل MRI-CGCM3 در خراسان رضوی

Authors

  • ایمان بابائیان استادیار /گروه پژوهشی تغییر اقلیم، پژوهشکده اقلیم شناسی، مشهد، ایران
  • راهله مدیریان کارشناس پژوهشی/ گروه پژوهشی تغییر اقلیم، پژوهشکده اقلیم شناسی، مشهد، ایران.
  • فاطمه بیاتانی دانشجوی دکتری / اقلیم شناسی، ‌دانشگاه حکیم سبزواری، سبزوار، ایران.
  • مریم کریمیان کارشناس پژوهشی/ گروه پژوهشی تغییر اقلیم، پژوهشکده اقلیم شناسی، مشهد، ایران.
Abstract:

پیش بینی ماهانه بارش یکی از موضوعات چالشی در حوزه هیدرواقلیم می باشد. از آنجا که استفاده عملیاتی از مدل های عددی پیش بینی ماهانه در کشورمان به اندازه مدل های کوتاه مدت نمی باشد، لذا تاکنون مدل های پیش بینی عددی ماهانه در کشورمان عملیاتی نشده اند؛ دو دلیل مهم این مشکل عدم دسترسی به کد مدل دینامیکی جهانی و عدم وجود داده های شرایط اولیه برای آغازگری آنها می باشند. این وضعیت موجب می شود تا هر ساله به دلیل عدم وجود سامانه پیش بینی فصلی قابل اعتماد، خسارات سنگینی به بخش های منابع آب، کشاورزی و منابع طبیعی کشورمان وارد گردد. به همین دلیل در این تحقیق برونداد مدل پیش بینی فصلی دینامیکی MRI-CGCM3 که هم اکنون در سازمان هواشناسی ژاپن برای پیش بینی ماهانه متغیرهای هواشناسی استفاده می شود، به سه روش رگرسیون چندگانه، میانگین متحرک و شبکه عصبی مصنوعی بر روی ایستگاههای سینوپتیک مشهد، سبزوار و تربت حیدریه پس پردازش شدند. بارش پس پردازش شده به روش های یاد شده با برونداد مستقیم مدل (DMO) مقایسه گردیدند. نتایج نشان می دهند که اعمال پس پردازش آماری بر روی برونداد مستقیم مدل موجب بهبود پیش بینی ماهانه بارش بین 6 درصد در روش میانگین متحرک تا 20 درصد در روش رگرسیون چند متغیره می باشد و کارآیی روش رگرسیون چندگانه به مراتب از دو روش میانگین متحرک و شبکه عصبی بهتر است. بر اساس منحنی ROC، پیش بینی های در محدوده نرمال تا بیش از نرمال از صحت بیشتری برخوردار می باشند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کارآیی روش های پس پردازش آماری در بهبود پیش بینی ماهانه بارش مدل mri-cgcm۳ در خراسان رضوی

پیش بینی ماهانه بارش یکی از موضوعات چالشی در حوزه هیدرواقلیم می باشد. از آنجا که استفاده عملیاتی از مدل های عددی پیش بینی ماهانه در کشورمان به اندازه مدل های کوتاه مدت نمی باشد، لذا تاکنون مدل های پیش بینی عددی ماهانه در کشورمان عملیاتی نشده اند؛ دو دلیل مهم این مشکل عدم دسترسی به کد مدل دینامیکی جهانی و عدم وجود داده های شرایط اولیه برای آغازگری آنها می باشند. این وضعیت موجب می شود تا هر ساله ...

full text

پس‌پردازش برون‌داد مدل دینامیکی MRI-CGCM3 برای پیش‌بینی فصلی بارش استان خراسان رضوی

مدیریت منابع آبی در کشور به سبب وابستگی بخش عمده‌‌ای از فعالیت‌‌های اقتصادی به مقدار و توزیع زمانی بارش دارای اهمیت بسیار زیادی است و پیش‌بینی فصلی یکی از ابزارهای مهم در مدیریت بهینه منابع آبی محسوب می‌شود. در این تحقیق به‌منظور عرضة پیش‌بینی فصلی بارش استان خراسان رضوی، برون‌داد متغیر‌‌های متفاوت مدل دینامیکی MRI-CGCM3، در دوره 1981-2007 روی هفت ایستگاه هواشناسی استان خراسان رضوی پس‌پردازش شد...

full text

پس پردازش خروجی مدل های پیش بینی عددی بارش پایگاه داده TIGGE با مدل میانگین گیری بیزین (BMA)

بارش یکی از مهم‌ترین پدیده‌های هواشناسی و محرک اصلی در پیش‌بینی جریان رودخانه است. از اینرو تشخیص مقدار بارش در آینده کمک شایانی به مدیریت منابع آب و پیش‌بینی سیلاب می‌کند. در همین راستا برخی از مهم‌ترین مراکز هواشناسی دنیا پیش‌بینی‌های عددی بارش را در مقیاس جهانی در اختیار کاربران قرار دادند. در دسترس بودن مدل‌های پیش‌بینی گروهی جهانی در پایگاه داده TIGGE فرصت‌های جدیدی را برای پیش‌بینی سیلاب ...

full text

تحلیل روش پس پردازش خروجی مدل‌های دینامیکی با استفاده از داده‌های شبکه بر روی خشکسالی شمال غرب ایران

    از دیرباز پیش بینی وضعیت بارش و بررسی ناهنجاری خشکسالی در حوضه های آبریز شمال غرب کشور ایران به دلیل حساسیتی که دریاچه ارومیه نسبت به میزان آبدهی حوضه های مربوطه دارد یکی از مهمترین چالش ها در مدیریت بهینه منابع آبی بوده است و مدیریت سرمایه های عظیم منابع آبی و تولید انرژی کشور در منطقه مذکور به شدت متاثر از این عوامل است. بنابراین با توجه به نوسانات پارامترهای اقلیمی و وقوع رفتارهای غی...

full text

پیش بینی بارش ماهانه با مدل درختی M5 و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه(

در این تحقیق جهت تخمین داده‌های بارش ماهانه ایستگاه ارومیه که از سال 2006 تا 2007 مفقود فرض شده است از روش‌های آماری کلاسیک و مدل درختی M5 با استفاده از نرم‌افزارWeka و به کارگیری ایستگاه‌های مهاباد، خوی، سلماس، تکاب و ماکو استفاده شده است. در بین ایستگاه‌های مورد مطالعه، ایستگاه مهاباد با (r=0.90) بیشترین همبستگی را با ایستگاه ارومیه داشت. 26 سناریو از آمار ده ساله ایستگاه‌های مجاور در تخمین ب...

full text

تعیین اثر پیش ‏پردازش داده بر عملکرد شبکۀ عصبی مصنوعی به‏منظور پیش‏ بینی بارش ماهانه در شهرستان آباده

توابع تبدیل صورت می‏گیرد. در پژوهش حاضر با استفاده از اطلاعات میانگین بارش ماهانه، کمترین و بیشترین دما و رطوبت ایستگاه سینوپتیک شهرستان آباده در بازۀ زمانی 1355 تا 1392 به‏صورت نرمال‏شده و خام به‏عنوان ورودی‏های شبکۀ پرسپترون چند‏لایه، بارش ماه آیندۀ شهرستان پیش‏بینی شد. برای نرمال‏سازی داده‏های هواشناسی، پس از بررسی وجود داشتن یا نداشتن داده‏های گم‏شده و پرت از سه روش نرمال‏سازی مینیمم‌ـ ماکز...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 12  issue 2

pages  83- 92

publication date 2016-09-01

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