مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

568
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

650
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تخمین فواصل پیش بینی در ریزمقیاس نمایی مدل گردش عمومی جو بر پایه شبکه عصبی

صفحات

 صفحه شروع 187 | صفحه پایان 199

چکیده

 یکی از ابراز پرکاربرد در پیش بینی آب و هوا و بررسی تاثیرات تغییر اقلیم بر روی پارامترهای آب وهوا مدل گردش عمومی (GCM) می باشد. در این مطالعه ریزمقیاس نمایی GCMها با استفاده از شبکه عصبی مصنوعی انجام گرفته است. از آنجایی که روش کلاسیک شبکه عصبی مصنوعی (پیش بینی نقطه ای) هیچ اطلاعاتی درباره ی دقت پیش بینی نمی دهد, از فواصل پیش بینی برای کمیت سنجی دقت ریزمقیاس نمایی شبکه عصبی مصنوعی استفاده شده است. برای محاسبه فواصل پیش بینی از روش جدید حد بالا و پایین (LUBE) استفاده شده است, که در آن شبکه عصبی با دو خروجی برای تخمین حدود پیش بینی ساخته شده است. همچنین روش کلاسیک بوت استرپ, روشی برای ارزیابی عدم قطعیت پیش بینی مورد استفاده قرار گرفته و نتایج حاصل از دو روش مقایسه شده است. بنابراین دقت فواصل پیش بینی به وسیله دو معیار همگرایی فواصل پیش بینی و عرض فواصل, کمیت سنجی شده است. سه GCM, Can-ESM2, BNU-ESM, INM-CM4 و ترکیب آنها, در چهار نقطه ی شبکه بر روی هر یک از دو ایستگاه تبریز و اردبیل در شمال غربی ایران, برای ارزیابی فواصل پیش بینی ریزمقیاس نمایی بارش ماهانه و دما استفاده شده است. مقایسه بین نتایج دو مدل نشان داده است که روش LUBE, قابلیت اطمینان بیشتری نسبت به بوت استرپ دارد. عرض فواصل پیش بینی و احتمال همگرایی, به ترتیب 10% تا 40% کمتر و 2% تا 10% بیشتر از روش بوت استرپ برای GCM بوده است. ترکیب GCMها به نتایج دقیق تری منجر شده است و عرض فواصل پیش بینی و احتمال همگرایی, به ترتیب 10% تا 60% کمتر و 2% تا 20% بیشتر از مدل های تکی GCM بوده است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    شرقی، الناز، نورانی، وحید، و جباریان پاک نژاد، ناردین. (1398). تخمین فواصل پیش بینی در ریزمقیاس نمایی مدل گردش عمومی جو بر پایه شبکه عصبی. تحقیقات منابع آب ایران، 15(4 )، 187-199. SID. https://sid.ir/paper/100001/fa

    Vancouver: کپی

    شرقی الناز، نورانی وحید، جباریان پاک نژاد ناردین. تخمین فواصل پیش بینی در ریزمقیاس نمایی مدل گردش عمومی جو بر پایه شبکه عصبی. تحقیقات منابع آب ایران[Internet]. 1398؛15(4 ):187-199. Available from: https://sid.ir/paper/100001/fa

    IEEE: کپی

    الناز شرقی، وحید نورانی، و ناردین جباریان پاک نژاد، “تخمین فواصل پیش بینی در ریزمقیاس نمایی مدل گردش عمومی جو بر پایه شبکه عصبی،” تحقیقات منابع آب ایران، vol. 15، no. 4 ، pp. 187–199، 1398، [Online]. Available: https://sid.ir/paper/100001/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button