پیشبینی بارش ماهانه بر اساس سیگنالهای بزرگمقیاس اقلیمی با بهکارگیری مدلهای هوشمند و رگرسیون خطی چندگانه (مطالعه موردی: ایستگاه سینوپتیک سمنان) | ||
| مجله اکوهیدرولوژی | ||
| مقاله 16، دوره 4، شماره 1، 1396، صفحه 201-214 اصل مقاله (833.26 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2017.60903 | ||
| نویسندگان | ||
| مجید محمدی1؛ حجت کرمی2؛ سعید فرزین* 2؛ علیرضا فرخی1 | ||
| 1دانشجوی دکتری، گروه مهندسی آب و سازههای هیدرولیکی، دانشکدۀ مهندسی عمران، دانشگاه سمنان | ||
| 2استادیار، گروه مهندسی آب و سازههای هیدرولیکی، دانشکدۀ مهندسی عمران، دانشگاه سمنان | ||
| چکیده | ||
| سیگنالهای بزرگمقیاس اقلیمی شامل کنشهای جوّیـ اقیانوسی، از عوامل اصلی مؤثر بر نوسانات اقلیمی زمین هستند و شاخصهای بسیار مهمی در پیشبینی متغیرهای اقلیمی محسوب میشوند. در این پژوهش، با بهکارگیری مدلهای شبکۀ عصبی مصنوعی، شبکۀ فازیـ عصبی و رگرسیون خطی چندگانه، بارش ماه آتی در ایستگاه سینوپتیک سمنان پیشبینی شد. بدینمنظور، از سری زمانی ماهانۀ بارش ایستگاه سینوپتیک سمنان و سیگنالهای بزرگمقیاس اقلیمی طی یک دورۀ 45 ساله (1966ـ 2010 میلادی) استفاده شد. سیگنالهای مؤثر بر بارش ماه آتی با استفاده از تحلیل رگرسیون خطی گامبهگام تعیین شدند و بهعنوان متغیرهای ورودی در مدلهای استفادهشده، انتخاب شدند. از 540 سری دادۀ ماهانه، 80 درصد ابتدایی برای آموزش و 20 درصد باقی برای آزمون صحتسنجی مدلها استفاده شدند. عملکرد مدلها با معیارهای ارزیابی ضریب همبستگی، میانگین قدر مطلق خطا و ریشۀ میانگین مربعات خطا مقایسه شد. نتایج صحتسنجی نشان داد ضرایب همبستگی بهدستآمده (829/0، 793/0 و 767/0) بهترتیب مربوط به مدلهای شبکۀ عصبی مصنوعی، شبکۀ فازیـ عصبی و رگرسیون خطی چندگانهاند. براساس نتایج این تحقیق، میتوان برای پیشبینی بارش ماه آتی ایستگاه سینوپتیک سمنان، بهترتیب از مدلهای شبکۀ عصبی مصنوعی، شبکۀ فازیـ عصبی و رگرسیون خطی چندگانه استفاده کرد. | ||
| کلیدواژهها | ||
| بارش ماهانه؛ سیگنالهای بزرگمقیاس اقلیمی؛ شبکۀ عصبی مصنوعی؛ شبکۀ فازیـ عصبی؛ رگرسیون خطی چندگانه | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,007 تعداد دریافت فایل اصل مقاله: 1,236 |
||