پیش بینی تغییرات اقلیمی درایستگاه های gcos در ایران به روش برنامه ریزی ژنتیک
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده عمران
- نویسنده محمد امین حکیمی
- استاد راهنما مسعود رضا حسامی کرمانی غلامعباس بارانی
- سال انتشار 1392
چکیده
تحقیق بر روی اثرات هیدرولوژیکی تغییرات آب و هوایی در مقیاس محلی نیاز به تکنیک های ریز مقیاس نمایی دارد. ریز مقیاس نمایی آماری رابطه ای بین پارامترهای بزرگ مقیاس اقلیمی و متغیرهای محلی مانند بارندگی و دما برقرار می کند و سپس تغییرات اقلیمی با استفاده از خروجی مدلهای جهانی اقلیم (gcms) پیش بینی می شوند. مدلسازی تغییرات اقلیمی معمولاً بر اساس روش های خطی و غیرخطی انجام می پذیرد. به دلیل وجود عدم قطعیت در تکنیک های مدل سازی و همچنین داده های مورد استفاده، پیش بینی تغییرات اقلیمی می بایست با استفاده از روش ها و داده های مختلف انجام شود. بدین منظور استفاده از الگوریتم های تکاملی هوشمند می تواند به عنوان یک ابزار دقیق برای مدلسازی و پیش بینی سیستم های مختلف، بدون استفاده از روابط پیچیده به کار رود. در این تحقیق با استفاده از الگوریتم برنامه ریزی ژنتیک (gp)، به مدلسازی اقلیمی در ایران پرداخته شده است. بدین منظور از خروجی نسل سوم مدل های جهانی اقلیم (cgcm3) تحت سناریو انتشار a2 در دوره ی (1990-1961) برای مدلسازی استفاده شده و نتایج به دست آمده با داده های مشاهداتی دما و بارش برای ایستگاه های هواشناسی gcos در ایران مقایسه شده است. مدلسازی با استفاده از دو مدل gp و asd، انجام شده و خروجی آنها باهم مقایسه شده است. مقایسه بین asd و gp در دو دوره کالیبراسیون (1975-1961) و ارزیابی (1990-1976) صورت گرفته است. برای ارزیابی مدل ها از مقدار واریانس توضیح داده شده مدل ها و جذر میانگین مجموع مربعات خطا برای شاخص های آماری و اقلیمی استفاده شده است. پیش بینی اقلیمی برای بارش و دمای ماکزیمم، مینیمم و میانگین روزانه برای دوره های 2040-2011، 2070-2041 و2100-2071 صورت گرفت. در تمامی ایستگاه ها، افزایش دمایی بین 10/2 تا 30/4 درجه سانتی گراد برای دمای ماکزیمم، 50/0 تا 2 درجه سانتی گراد برای دمای مینیمم (بجز ایستگاه شیراز که با کاهش 12/0 و 07/0 درجه سانتی گراد برای دمای مینیمم در دو دوره اول نسبت به دوره 1990-1961 مواجه هستیم) و 25/1 تا 45/3 درجه سانتی گراد برای دمای میانگین پیش بینی می شود. ولی رفتار بارش در ایستگاه های مختلف متفاوت است؛ در بعضی ایستگاه های مانند تهران و کرمان پیش بینی می شود با افزایش بارندگی مواجه شویم و در بقیه ایستگاه ها، کاهش بارش را خواهیم داشت.
منابع مشابه
پیش بینی تغییرات اقلیمی درایستگاه های gcos در ایران به روش نرو- فازی
مدلهای جهانی اقلیم (gcms) بعلت قدرت تفکیک مکانی پایین، قابل استفاده در مطالعات منطقه ای نیستند. به همین منظور از روش هایی موسوم به ریز مقیاس نمایی آماری برای تبدیل خروجی مدل های gcm به مقیاس منطقه ای و محلی استفاده می شوند. در این تحقیق با استفاده از الگوریتم نرو-فازی (anfis) و روش خوشه بندی فازی داده ها (fcm)، به مدلسازی اقلیمی در ایران پرداخته شده است. از خروجی نسل سوم مدل های جهانی اقلیم کا...
ارزیابی کارکرد مدل های برنامه ریزی ژنتیک و خودهمبسته میانگین متحرک در پیش بینی آب‌دهی روزانه در آبخیز امامه
کم‌بودمنابعآبو توجه به توسعهی پایدار،تأمینآبرا برای همه‌ی نیازهایموجودناممکنکردهاست. از آنجا که پیشبینیدقیقجریان رودهادر مدیریتمنابعآب اهمیتبسزایی دارد، آب‌دهی رود با کاربرد مدلهای برنامهریزی ژنتیک و خودهمبسته‌ی میانگین متحرک در آبخیز امامه، استان تهران مدلسازی و پیش‌بینی شد. از دادههای درازمدت باران، دما، آب‌دهی، رطوبت نسبی و تبخیر استفاده شد. نتایج نشان داد که برنامهریزی ژنتیک خطای ک...
متن کاملبرنامه ریزی برای گسترش ظرفیت تولید برق در ایران به کمک روش برنامه ریزی احتمالی
در این مقاله، یک الگوی برنامهریزی خطی احتمالی با متغیرهای عدد صحیح ارائه شده است که مجموع هزینه های تولید را با توجه به فن‌آوریهای مختلف تولید برق در طول بازه زمانی مورد مطالعه، حداقل میسازد. در این الگو، میزان تقاضا غیر قطعی است و سه حالت برای تقاضا در قالب برنامهریزی احتمالی در نظر گرفته شده است. در این الگو کل کشور به مناطقی تقسیم شده که تصمیمات گسترش ظرفیت برای هر یک از مناطق در یک الگو...
متن کاملکاربرد سیگنال‌های اقلیمی در پیش بینی تبخیر در غرب ایران
تبخیر یکی از متغیرهای اقلیمی است که پیش بینی آن نقش مهمی در برنامه ریزیهای مربوط به آب دارد. با توجه به بالا بودن نسبی میزان بارندگی در مناطق غرب ایران، آگاهی از میزان تبخیر برای مدیریت درست آب در این مناطق ضروری میباشد. از عوامل اثرگذار بر میزان تبخیر، سیگنال‌های اقلیمی میباشند که توجه به نقش آنها پیش بینی تبخیر را ممکن می کند. با استفاده از مدل شبکه عصبی مصنوعی به پیش بینی تبخیر بر اساس این س...
متن کاملپیش بینی مشخصات پرش هیدرولیکی بر روی بستر زبر با استفاده از شبکه عصبی مصنوعی و برنامه ریزی ژنتیک
در تحقیق حاضر مشخصات پرش هیدرولیکی با تحلیل عمق و طول غلتان پرش بر روی بسترهای زبرکه بصورت تابعی از ارتفاع زبری و عدد فرود بالادست میباشد با استفاده از مدل شبکهعصبی و برنامهریزی ژنتیک شبیهسازی گردید. عدد فرود اولیه جریان در محدوده 9/1 تا 10 و زبری نسبی بستر در محدوده 085/0 تا 025/2 قرار داشت. در کل تعداد 454 داده مشاهداتی پرش هیدرولیکی برای آموزش وتست مدل های شبکه عصبی و برنامهریزی ژنتیک (...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده عمران
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023