شبیه سازی وقوع بارندگی در ایستگاه سینوپتیک قزوین با استفاده از مدل های احتمالاتی
نویسندگان
چکیده مقاله:
شبیه‌سازی وقوع بارندگی، بهویژه برای بازتولید اطلاعات مفقود شده و مدیریت منابع آب، فرایندی سودمند است. در این مطالعه، ارزیابی عملکرد مدلهای احتمالاتی مختلف در شبیه‌سازی توزیع دوره‌های خشک و مرطوب ایستگاه سینوپتیک قزوین به چهار روش انجام گرفت: 1) برازش بهترین مدل بر اطلاعات هر ماه؛ 2) برازش توزیع هندسی بر اطلاعات هر ماه؛ 3) برازش بهترین مدل بر اطلاعات سهماهه و 4) برازش بهترین مدل بر اطلاعات فصلی. نتایج این مطالعه نشان داد که در شبیه‌سازی طول دوره‌های خشک، مدلهای سه‌پارامتری (بهویژه ترکیب دو توزیع هندسی و ترکیب توزیع هندسی و پوآسون) در مقابل مدلهای یک پارامتری و دو پارامتری، بهعنوان بهترین مدل انتخاب شدند. این مسأله، نشان از عملکرد بهتر این مدلها در شبیه‌سازی سری‌هایی با دوره‌های طولانی‌تر دارد؛ زیرا در شبیه‌سازی سری طول دوره‌های مرطوب ـ که شامل دوره‌های کوتاه‌تری است ـ مدلهای یک پارامتری در بیشتر ماههای سال، بهعنوان مدلهای برتر انتخاب شدند. خطای تمامی روش‌ها (RMSE و MAE) در شبیه‌سازی طول دوره‌های مرطوب با آغاز دورهی خشک، افزایش یافته و با آغاز دورهی مرطوب، رو به کاهش میروند. این مسأله در مورد دوره‌های خشک نیز صادق است، بهگونهای که خطای تمامی روش‌ها در دورهی مرطوب سال، بیشتر است. همچنین در شبیه‌سازی طول دوره‌های خشک، عملکرد روش‌های اوّل و دوم (ماهانه) در حفظ آماره‌های سری مشاهداتی بهتر از روش‌های دیگر بوده، اما در شبیه‌سازی طول دوره‌های مرطوب، روش‌های سوم (دوره‌های سهماهه) و چهارم (فصلی) عملکرد بهتری داشتند. در شبیه‌سازی احتمال انتقال از یک روز خشک، روش اوّل و در شبیه‌سازی احتمال انتقال از یک روز مرطوب، روش سوم بهترین نتایج را ارائه دادند.
منابع مشابه
پیشبینی کوتاه‌مدت خشکسالی با استفاده از شاخص بارش استاندارد شده و زنجیره احتمالاتی مارکف (مطالعه موردی: ایستگاه سینوپتیک قزوین)
آگاهی از وضعیت خشکسالی ابزاری مناسب جهت برنامهریزی در بخش کشاورزی، منابع آب و سایر موارد حادث‌شده از خشکسالی را فراهم میآورد. هدف از انجام این تحقیق پایش خشکسالی در ایستگاه سینوپتیک قزوین بر اساس شاخص بارش استاندارد (SPI)[1] و پیشبینی کوتاه‌مدت آن با زنجیره مارکف[2] میباشد. در این تحقیق احتمال بروز حالت‌های مختلف خشکسالی کوتاه‌مدت، بر اساس آمار ماهانه بارندگی ایستگاه سینوپتیک قزوین در ط...
متن کاملمدل سازی تبخیر- تعرق گیاه پتانسیل با استفاده از شبکه عصبی مصنوعی با حداقل متغیرهای اقلیمی در ایستگاه سینوپتیک مشهد
متن کامل
شبیه سازی وضعیت رسوب گذاری رودخانه کارون با استفاده از مدل ریاضی GSTARS 2.0حدفاصل ایستگاه های هیدرومتری اهواز تا فارسیات) )
متن کامل
پیشبینی تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک – شبکه عصبی GMDH
سابقه و هدف: تخمین دقیق مقدار تبخیر-تعرق مرجع برای انجام بسیاری از تحقیقات ضروری و از مهم‌ترین مسائل در طرح‌های آبیاری و زهکشی و منابع آب به شمار می‌رود. یکی از این مسائل که میتواند در راستای اهداف ذکرشده اعمال شود، پیشبینی تبخیر-تعرق مرجع برای آینده است تا بتوان با برنامه‌ریزی‌های مناسب، امکان استفاده بهتر از منابع موجود را فراهم نمود (7). در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل ...
متن کاملپیشبینی 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 44 شماره 1
صفحات 91- 110
تاریخ انتشار 2012-04-20
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023