کاربرد برنامهریزی بیان ژن در پیش بینی خشکسالی ( مطالعه موردی: ایستگاه سینوپتیک تبریز)
Authors
Abstract:
پیکره آبی دریاچه ارومیه در سالهای اخیر به دلایل مختلف از قبیل خشکسالیهای متوالی با کاهش شدید سطح و حجم روبرو شده است. بنابراین، در این پژوهش وضعیت خشکسالی در ایستگاه سینوپتیک تبریز به عنوان یکی از ایستگاههای مهم حوزه آبخیز دریاچه ارومیه در مقیاسهای زمانی مختلف با استفاده از شاخص بارش- تبخیر و تعرق استاندارد شده (SPEI) و مدل برنامه ریزی بیان ژن (GEP) مورد بررسی قرار گرفت. برای این منظور از شاخص SPEI در مقیاسهای زمانی 1، 3، 6، 12، 24 و 48 ماهه طی دورهی آماری 53 ساله برای پایش وضعیت خشکسالی در این ایستگاه استفاده شد. نتایج نشان داد سه دوره طولانی مدت خشکسالی مربوط به سالهای 1963-1961، 1992-1986 و 2009-1997 در طول دوره آماری وجود دارد. سپس با استفاده از سری زمانی مقادیر SPEI در 5 مدل ورودی با تأخیرهای یک تا 5 ماهه و مدل GEP نسبت به پیشبینی خشکسالی اقدام گردید. نتایج نشان داد که دقت پیشبینی مدل GEP با افزایش مقیاس محاسبه SPEI رابطه مستقیم دارد و با افزایش مقیاس زمانی SPEI، دقت پیشبینی افزایش پیدا میکند به نحوی که ضریب همبستگی در مرحله آزمون در مقیاس یک ماهه (SPEI1) از 203/0 به 988/0 در مقیاس 48 ماهه (SPEI48) و دقت کلی مدل نیز در SPEI1 از 1/57 درصد به 2/94 درصد در SPEI48 رسید.
similar resources
بررسی کارایی مدل درخت تصمیم در پیش بینی بارش (مطالعه موردی ایستگاه سینوپتیک یزد)
وقوع خشکسالی اثرات نامطلوبی بر بخشهای کشاورزی و اقتصادی کشور و به طور خاص بر عرصههای طبیعی تحمیل میکند. امروزه روشهای مختلفی جهت پیش بینی مؤلفههای اصلی خشکسالی از جمله بارش ارائه شده است. در دهههای اخیر، استفاده از مدلهای جدید کامپیوتری در این زمینه رواج یافته و در اغلب موارد توانایی خود را به خوبی نشان داده است. درخت تصمیم به عنوان یکی از این نوع مدلها، با بررسی پارامترها از جزء به کل،...
full textپیش بینی خشکسالی با استفاده از شبکه ی عصبی مصنوعی مطالعه ی موردی : ایستگاه سینوپتیک شیراز
خشکسالی یک رویداد اقلیمی است که خصوصیات آن بستگی به مدت شدت و وسعت منطقه تحت تاٌثیر و تسلط آن دارد که می تواند کوتاه یا شدید باشد . منشاء آن کمبود بارش می باشد که منجر به کاهش ذخیره ی آبی و زیان اقتصادی می شود. موفقیت در کاهش خشکسالی به چگونگی تعیین خشکسالی بستگی دارد . با توجه به دقت کمتر و خطای بیشتر روش های آماری متداول در این پژوهش برای پیش بینی خشکسالی شهرستان شیراز از شبکه ی عصبی مصنوعی در...
15 صفحه اولارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش بینی خشکسالی نمونه موردی: ایستگاه سینوپتیک سنندج
برای مطالعه خشکسالی روش های مختلفی وجود دارد. روش تحلیل داده های بارندگی، جزو عمومی روش های تحلیل خشکسالی به شمار می رود؛ لذا پیش بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تأثیر پیش پردازش داده های بارش ماهانه ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش بینی خشکسالی در ایستگاه سینوپتیک سنندج می باشد. در این پژوهش از ال...
full textکاربرد روش¬های فراکاوشی در پایش خشکسالی (مطالعه موردی: ایستگاه تبریز)
سیستمهای پایش خشکسالی، از موثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت منطقی آن میباشند. چنین سیستمهایی با استفاده از شاخصهای خشکسالی طراحی میگردند و هدف آنها ارائه یک ارزیابی ساده و کمی از ویژگیهای خشکسالی است. از میان شاخصهای موجود جهت پایش خشکسالی، شاخص بارندگی استاندارد شده بطور گسترده مورد استفاده قرار میگیرد. بدین منظور در این تحقیق جهت تخمین دقیقتر شاخص فوق در ایست...
full textبررسی و کاربرد شاخص خشکسالی تبخیرو تعرق بارش استاندارد شده (SPETI) (مطالعه موردی: ایستگاه هواشناسی تبریز )
مقاله حاضر یک شاخص خشکسالی جدید را معرفی می کند: شاخص تبخیرو تعرق بارش استاندارد شده 1[1] (SPETI). شاخص SPETI بر اساس داده های دما و بارش پایه ریزی شده است و مزیت های اصلی آن چند مقیاسی بودن آن است بدین معنی که مقیاس آن در دوره های زمانی مختلف قابل ارائه است و تأثیر تغییرات دما د...
full textپیشبینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH(مطالعه موردی: ایستگاه سینوپتیک سلماس)
پیشبینی خشکسالی نقش مهمی در طراحی سیستمهای سازگاری با خشکسالی و اجرای عملیات تسکین ایفا مینماید. دادههای هیدرولوژیک بهصورت ترکیبی از بخش قطعی و تصادفی میباشند. با توجه به اینکه دادههای تولیدی مدلهای هوشمند بهصورت قطعی میباشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیشبینی این دادهها میتواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامهریزی بیان ژن (GEP) و مد...
full textMy Resources
Journal title
volume 5 issue 1
pages 1- 14
publication date 2019-04-21
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023