مجله ژئوفیزیک ایران
سال:1398 | دوره:13 | شماره:3 |تعداد مقالات:9

داده های گرانی سنجی برای بررسی ساختارهای زمین شناسی مانند توپوگرافی سنگ بستر در محیط های رسوبی مستعد منابع هیدروکربنی و آب های زیرزمینی به کار می روند. استفاده از الگوریتم های بهینه سازی تصادفی با توجه به وابستگی نداشتن شدید نتایج به مدل اولیه و نیز نیاز نداشتن به مشتقات در محاسبات، با استقبال زیادی روبه رو است. بااین حال، وارون سازی غیرخطی سه بعدی داده های گرانی سنجی با استفاده از الگوریتم های بهینه سازی سراسری تصادفی، فرایندی زمان بر است. در این پژوهش، در فرایند وارون سازی تصادفی داده های گرانی برای تصویر سازی سطح سنگ بستر در حوضه های رسوبی، از انتگرال نوع کوشی سه-بعدی به عنوان تابع پیشرو سریع استفاده شده است. در ابتدا، صحت وکارایی زمانی الگوریتم در مقایسه با روش های حجمی مرسوم (مجموعه بلوک های راست گوشه) روی مدل های مصنوعی آزمایش شده است. برای نشان دادن قابلیت های روش در فرایند وارون، الگوریتم ژنتیک با مقادیر بهینه پارامترها روی داده های گرانی مصنوعی و واقعی حوضه رسوبی با چگالی ثابت پیاده سازی شده است. نتایج مدل های شبیه سازی شده در بخش مدل های پیشرو نشان می دهد زمان لازم برای محاسبات انتگرال کوشی، در مقایسه با انتگرال های حجمی که با دو روش مختلف مدل سازی پیشرو انجام شده اند، به ترتیب 15 و 50 مرتبه کمتر است. مختصات کران های انتگرال در روش اول، رئوس مکعب و در روش دوم مرکز وجه ها است. روش به کاررفته برای وارون سازی داده های واقعی، عمق تقریبی سنگ بستر حوضه آبرفتی امان آباد (اراک ) را حداکثر 150 متر برآورد کرده است. براساس نتایج داده های حفاری، بیشینه عمق سنگ بستر 140 متر است. مطالعات پیشین، عمق های کمتر از200 متر را گزارش کرده اند که با نتایج این تحقیق سازگار است.

ذرات آلاینده در هوای شهرها بر سلامت، محیط زیست، اقلیم و دیگر جنبه ها اثرگذار هستند. منابع متحرک علت اصلی انتشار هواویزهای اولیه در شهرهای بزرگ نظیر تهران هستند. هواویزهایی که خودروها (بنزینی و دیزلی) تولید می کنند، می توانند به عنوان هسته های میعان ابر و هسته های یخ بر بارش تأثیرگذار باشند. بارش می تواند علاوه بر تأمین منابع آبی به بهبود کیفیت هوای شهرها نیز کمک کند. در ایران اکثر ابرها از نوع ابرهای سرد هستند و مطالعه این ابرها اهمیت ویژه ای دارد. در این مقاله با استفاده از روش های آزمایشگاهی، نقش این گونه هواویزها در توزیع اندازه قطرک های اَبَرسرد و بلورهای یخ و رشد گویچه های برف با به کارگیری سازوکار میله چرخان و گشتاور الکترواستاتیکی بلورها بررسی می شود. نتایج آزمایش ها نشان می دهند هواویزهای ناشی از خودروها اغلب دوده و خاکستر هستند و با وجود این ذرات، قطر میانگین قطرک های اَبَرسرد و بلورهای یخ کاهش می یابد. با کاهش قطر قطرک-های اَبَرسرد، رشد گویچه های برف نیز کاهش می یابد که می تواند بر برخی پدیده ها نظیر آذرخش اثرگذار باشد. براساس این نتایج، ذرات آلاینده تأثیر چندانی بر گشتاور الکترواستاتیکی بلورهای یخ ندارند. شکل بلورهای مشاهده شده در آزمایش ها شامل صفحه های شش ضلعی، ستاره ای، قطاعی، ستون های توپر و کلاهکی، منشورها، مثلثی شکل ها، سوزنک ها و دندریت شکل ها است. هنگامی که بلورهای یخ در معرض نور قرار می گیرند، به رنگ های متفاوتی دیده می شوند (همانند حباب صابون در معرض نور). با توجه به ضخامت قسمت های مختلف بلورهای یخ و طول موج های نور مرئی، رنگ های متفاوتی در میدان حرکت این بلورها ظاهر می شود.

در این مقاله ابتدا با بررسی هوای حاضر گزارش های متار، بازه زمانی بیشترین وقوع ناپایداری ایجادکننده باد گاستی (جستی) شناسایی شد. سپس با استانداردسازی داده ها به بازه 1/0 تا 9/0، ویژگی های مرتبط با جهت و سرعت باد جستی انتخاب شد. روش های انتخاب ویژگی در این پژوهش، اطلاعات متقابل و جستجوی پی درپی پیشرو شناور با الگوریتم طبقه بندی k نزدیک ترین همسایگان هستند. ویژگی های انتخابی برای پیش بینی سرعت باد با روش اول، متغیرهای سرعت باد لحظه ای شامل کمینه، میانگین و بیشینه سرعت باد در دو دقیقه و میانگین و بیشینه سرعت باد در ده دقیقه در همان باند هستند. ویژگی های انتخابی برای جهت باد با روش اول، متغیرهای جهت باد لحظه ای یعنی کمینه، میانگین و بیشینه جهت باد در دو دقیقه و کمینه، میانگین و بیشینه جهت باد در ده دقیقه در همان باند هستند. ویژگی های انتخابی با روش دوم برای سرعت باد شامل انحراف جهت باد در ده دقیقه گذشته در باند میانی و فشار لحظه ای در هر سه باند است. انحراف جهت باد در ده دقیقه گذشته در باند 11، در باندهای 29 و میانی مشترک هستند. ویژگی چهارم در باندهای 29 و میانی، متغیر بیشینه سرعت باد در ده دقیقه مربوط به همان باند است. در باند 11 علاوه بر ویژگی های مشترک، متغیرهای بیشینه سرعت باد در ده دقیقه در باند 11 و انحراف جهت باد در ده دقیقه گذشته در باند 29 دیده می شود. ویژگی های انتخابی برای جهت باد از تنوع بیشتری برخوردار هستند. در مرحله نهایی، ویژگی های انتخابی به شبکه عصبی پرسپترون چندلایه در حالت های مختلف داده شد. نتایج خروجی مدل برای پیش بینی جهت و سرعت باد جستی مقایسه و بهترین مدل برای پیش بینی سرعت باد جستی، شبکه با همبندی 1-2-4-4، نرخ یادگیری 1/0 و آستانه آغازین 5/0 برای وزن هر نرون انتخاب شد. برای جهت باد، شبکه با همبندی 1-3-6-6، نرخ یادگیری 1/0 و آستانه آغازین 5/0 مناسب است. عملکرد شبکه عصبی پرسپترون چندلایه ای در پیش بینی سرعت باد بهتر است.

تعیین دمای هوا در بسیاری از محاسبات ترازنامه آب و انرژی، مدل سازی هیدرولوژیکی و مطالعات هواشناسی و کشاورزی نقش مهمی دارد. پژوهش حاضر با هدف معرفی دو پایگاه بازتحلیل داده هواشناسی ECMWF و MERRA و ارزیابی عملکرد آنها در برآورد دمای هوای بیشینه، کمینه و میانگین روزانه انجام شد. به این منظور، اطلاعات روزانه دمای بیشینه، کمینه و میانگین دوازده ایستگاه اندازه گیری دما در سطح حوضه آبریز رودخانه حله واقع در جنوب ایران و کرانه های خلیج فارس برای دوره آماری 2003 تا 2016 به مدت 14 سال (5114) روز اخذ و برای ارزیابی آنها از معیارهای آماری ضریب همبستگی (CC)، میانگین خطا (ME) و مجذور میانگین مربعات خطا (RMSE) استفاده شد. نتایج نشان می دهد میزان انطباق اطلاعات پایگاه های داده بازتحلیل در هر سه پارامتر دمایی بیشینه، کمینه و میانگین مناسب است، اما پایگاه داده ECMWF نسخه ERA-Interim نسبت به پایگاه داده MERRA نسخه 2 بسیار مناسب تر است به طوری که ضریب همبستگی برای همه مؤلفه های دمایی بیشینه، کمینه و میانگین بیشتر از 9/0 است. نتایج این تحقیق نشان می دهد عملکرد هر دو پایگاه داده در برآورد دمای میانگین نسبت به دمای بیشینه و کمینه بهتر است. همچنین هر دو پایگاه داده در برآورد داده های دمای بیشینه، کم برآورد و در برآورد داده های کمینه، بیش برآورد هستند. دمای هوای میانگین روزانه، ثبت شده در پایگاه داده ECMWF نسخه ERA-Interim مقداری گرم تر (4/0+ درجه سلسیوس) برآورد می شود درحالی که پایگاه داده MERRA نسخه 2 دمای هوای میانگین را سردتر (5/0-درجه سلسیوس) تخمین می زند. درنهایت، در مقیاس روزانه، استفاده از پارامترهای روزانه دمای هوا (بیشینه، کمینه و میانگین) پایگاه داده ECMWF نسخه ERA-Interim نسبت به پایگاه داده MERRA نسخه 2 در اولویت است. همچنین پیشنهاد می شود با توجه به عملکرد مناسب پایگاه های داده بازتحلیل و بهره مندی از مزایای آن، سایر متغیرهای هواشناسی نیز ارزیابی شوند.

در این تحقیق تلاش می شود یک سامانه پیش بینی جریان توسعه بیابد و راه اندازی شود. در این سامانه با درنظر گرفتن واداشت های اصلی شامل جزر و مد و میدان باد سطحی، تخمین مناسبی از جریان های خلیج فارس به دست می آید و عملکرد سامانه در آب های کم عمق و عمیق توأمان بررسی می شود. در این راستا، نخست با به کارگیری مدل FVCOM، سامانه شبیه سازی راه اندازی شده است. سپس مدل برپا شده با اعمال تراز جزر و مدی و میدان باد سطحی در بازه ای که داده میدانی موجود بوده، برای تمام خلیج فارس اجرا شده است. در ادامه، با مقایسه تراز سطح آب و اندازه سرعت جریان در چند ایستگاه، مدل برای پارامترهای ضریب زبری بستر، اندازه شبکه، تعداد ترازهای سیگما در راستای قائم، واسنجی و صحت سنجی شده و اثر اعمال میدان باد سطحی نیز بررسی شده است. سرانجام، بهترین شرایط برای اجرای مدل انتخاب و نتایج ایستگاه های مختلف بررسی شده است. مقایسه نتایج شبیه سازی جریان با داده های مشاهداتی، میزان موفقیت مدل را در شبیه سازی جریان نشان می دهد. داده های اندازه گیری و نتایج شبیه سازی سه بعدی جریان با مدل FVCOM در خلیج فارس برای اندازه سرعت جریان و تراز سطح آب، همخوانی خوبی با هم دارند. با انجام واسنجی، مناسب ترین اندازه شبکه برای مدل خلیج فارس تخمین زده شده و مقادیر مناسب ضریب زبری بستر برای آب کم عمق و عمیق به دست آمده است. نتایج این شبیه سازی نشان می دهد مدل حاضر در هر دو بخش آب کم عمق و عمیق از دقت مناسبی برخوردار است.

در این مقاله مقدار محتوای الکترون کلی (TEC) لایه یون سپهر با استفاده از سامانه استنتاج فازی (FIS) مدل سازی شده است. نوآوری اصلی این پژوهش، مدل سازی سری زمانی تغییرات TEC در ایران با استفاده از FIS است. برای آموزش شبکه فازی، از الگوریتم آموزش بهینه سازی انبوه ذرات هیبرید (BP-PSO) استفاده شده است. این الگوریتم آموزش، در مراحل اولیه جستجوی جواب از الگوریتم بهینه سازی انبوه ذرات (PSO) و در نزدیکی جواب بهینه از الگوریتم پس انتشار خطا (BP) بهره می برد. از مشاهدات سال 2015 ایستگاه GPS تهران، که یکی از ایستگاه های شبکه جهانی IGS است، جهت ارزیابی مدل پیشنهادی استفاده شده و نتایج کار با نتایج خروجی های شبکه جهانی IGS (GIM-TEC) و مدل شبکه عصبی مصنوعی (ANN) با ساختار 2-18-1 مقایسه شده است. جهت ارزیابی دقت و صحت مدل شبکه فازی ارائه شده در این مقاله، از هر فصل، پنج روز برای داده آزمون انتخاب شده و اعتبارسنجی مدل در این بیست روز صورت گرفته است. براساس نتایج، میانگین خطای نسبی محاسبه شده در بیست روز مورد آزمون برای مدل FIS، ANN و GIM در مقایسه با GPS به ترتیب برابر با 25/11%، 68/19% و 03/16% است. همچنین میانگین خطای مطلق محاسبه شده برای مدل FIS، ANN و GIM در مقایسه با GPS در بیست روز مورد آزمون به ترتیب برابر با TECU 32/1، TECU 33/3 و TECU98/1 است. ضریب همبستگی محاسبه شده در بیست روز مورد آزمون برای FIS، ANN و GIM در مقایسه با GPS به ترتیب برابر با 9474/0، 6960/0 و 831/0 به دست آمده است. موقعیت ایستگاه GPS تهران براساس TEC حاصل از سه مدل FIS، ANN و GIM و با استفاده از تعیین موقعیت نقطه ای دقیق (PPP) محاسبه شده است؛ . طبق این محاسبه، مدل شبکه فازی نسبت به دو مدل دیگر، خطای کمتری در تعیین موقعیت ایستگاه تهران دارد. نتایج تحلیل ها حاکی از برتری مدل FIS در مقایسه با مدل ANN و GIM است. با استفاده از مدل پیشنهادی این پژوهش می توان سری زمانی محتوای الکترونی کلی یون سپهر را با دقت و صحت زیاد مدل سازی و بررسی کرد. این مدل می تواند جایگزینی مناسب برای خروجی های شبکه جهانی IGS در منطقه ایران باشد.