پاسخ به:مقالات منابع طبیعی
پنج شنبه 8 تیر 1391 10:37 AM
پيش بيني بلندمدت بارش با استفاده از شبکه هاي عصبي مصنوعي (مطالعه موردي جنوب غرب ايران) |
فتاحي ابراهيم*,صداقت كردار عبداله,دلاور مجيد |
* پژوهشکده هواشناسي |
در اين مقاله اثرات سينگال هاي بزرگ مقياس اقليمي بر روي بارش هاي کوتاه مدت و بلندمدت ناحيه جنوب غرب ايران مورد بررسي قرار گرفت. سيگنال هاي بزرگ مقياس اقليمي يکي از عواملي هستند که مي توانند در تحليل تغييرات فصلي و سالانه بارش موثر باشند. در اين تحقيق از داده هاي ماهانه سيگنال هاي بزرگ مقياس اقليمي نظير شاخص نوسان جنوبي (SOI)، نوسان اطلس شمالي (NAO) و پديده ENSO در مناطق NINO3.4, NINO3, NINO4 و NINO1+2 استفاده شد. تمامي داده هاي مربوط به سيگنال هاي فوق از مرکز داده هاي آناليز شده NCEP طي سال هاي 1960 تا 2003 دريافت گرديد. به منظور تعيين موثرترين سيگنال ها بر بارش ناحيه جنوب غرب ايران از روش رگرسيون چند متغيره استفاده شد. نتايج تحليل رگرسيوني نشان داد که پديده ENSO در مناطق NINO1+2، NINO3 و NINO3.4 به عنوان موثرترين سيگنال در پيش بيني بارش ناحيه جنوب غرب ايران مي باشند. پس از شناسايي سيگنال هاي موثر با استفاده از مدل شبکه عصبي مصنوعي، بارش براي بازه هاي همزمان، سه ماهه و شش ماه آينده پيش بيني شد. تحليل نتايج مدل شبکه عصبي مصنوعي با داده هاي مشاهده اي نشان داد که فازهاي گرم ENSO با دوره هاي پربارش و فازهاي سرد ENSO با دوره هاي کم بارشي در منطقه مورد مطالعه همراه است. |
كليد واژه: پيش بيني بارش، شبکه عصبي مصنوعي، شاخص نوسان جنوبي (SOI)، نوسان اطلس شمالي (NAO)، انسو (ENSO)، جنوب غرب ايران |
نسخه قابل چاپ |