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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

855
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

546
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

کارآیی روش های پس پردازش آماری در بهبود پیش بینی ماهانه بارش مدل MRI-CGCM3 در خراسان رضوی

صفحات

 صفحه شروع 83 | صفحه پایان 92

چکیده

 پیش بینی ماهانه بارش یکی از موضوعات چالشی در حوزه هیدرواقلیم می باشد. از آنجا که استفاده عملیاتی از مدل های عددی پیش بینی ماهانه در کشورمان به اندازه مدل های کوتاه مدت نمی باشد, لذا تاکنون مدل های پیش بینی عددی ماهانه در کشورمان عملیاتی نشده اند؛ دو دلیل مهم این مشکل عدم دسترسی به کد مدل دینامیکی جهانی و عدم وجود داده های شرایط اولیه برای آغازگری آنها می باشند. این وضعیت موجب می شود تا هر ساله به دلیل عدم وجود سامانه پیش بینی فصلی قابل اعتماد, خسارات سنگینی به بخش های منابع آب, کشاورزی و منابع طبیعی کشورمان وارد گردد. به همین دلیل در این تحقیق برونداد مدل پیش بینی فصلی دینامیکی MRI-CGCM3 که هم اکنون در سازمان هواشناسی ژاپن برای پیش بینی ماهانه متغیرهای هواشناسی استفاده می شود, به سه روش رگرسیون چندگانه, میانگین متحرک و شبکه عصبی مصنوعی بر روی ایستگاههای سینوپتیک مشهد, سبزوار و تربت حیدریه پس پردازش شدند. بارش پس پردازش شده به روش های یاد شده با برونداد مستقیم مدل (DMO) مقایسه گردیدند. نتایج نشان می دهند که اعمال پس پردازش آماری بر روی برونداد مستقیم مدل موجب بهبود پیش بینی ماهانه بارش بین 6 درصد در روش میانگین متحرک تا 20 درصد در روش رگرسیون چند متغیره می باشد و کارآیی روش رگرسیون چندگانه به مراتب از دو روش میانگین متحرک و شبکه عصبی بهتر است. بر اساس منحنی ROC, پیش بینی های در محدوده نرمال تا بیش از نرمال از صحت بیشتری برخوردار می باشند.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    بابائیان، ایمان، کریمیان، مریم، مدیریان، راهله، بیاتانی، فاطمه، و فهیمی نژاد، الهام. (1395). کارآیی روش های پس پردازش آماری در بهبود پیش بینی ماهانه بارش مدل MRI-CGCM3 در خراسان رضوی. تحقیقات منابع آب ایران، 12(2)، 83-92. SID. https://sid.ir/paper/100120/fa

    Vancouver: کپی

    بابائیان ایمان، کریمیان مریم، مدیریان راهله، بیاتانی فاطمه، فهیمی نژاد الهام. کارآیی روش های پس پردازش آماری در بهبود پیش بینی ماهانه بارش مدل MRI-CGCM3 در خراسان رضوی. تحقیقات منابع آب ایران[Internet]. 1395؛12(2):83-92. Available from: https://sid.ir/paper/100120/fa

    IEEE: کپی

    ایمان بابائیان، مریم کریمیان، راهله مدیریان، فاطمه بیاتانی، و الهام فهیمی نژاد، “کارآیی روش های پس پردازش آماری در بهبود پیش بینی ماهانه بارش مدل MRI-CGCM3 در خراسان رضوی،” تحقیقات منابع آب ایران، vol. 12، no. 2، pp. 83–92، 1395، [Online]. Available: https://sid.ir/paper/100120/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا