• کاربرد مدل های هیبریدیِ ریاضی- فراکاوشی به منظور تخمین بارش ماهانه

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/11/01
    • تاریخ انتشار در تی پی بین: 1393/11/01
    • تعداد بازدید: 595
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    پیش بینی دقیق بارش به عنوان یکی از اجزای اصلی چرخه هیدرولوژی، از مسائل مهم در مدیریت منابع آب های سطحی به ویژه اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی ها به شمار می رود. در این تحقیق به منظور پیش بینی بارش ماهانه در دو ایستگاه اصلی سینوپتیکی استان آذربایجان شرقی طی یک دوره آماری 24 ساله از مدل ترکیبی موجک- برنامه ریزی بیان ژن (w-gep) که تلفیق آنالیز موجک و برنامه ریزی بیان ژن (gep) می باشد، در مقیاس های زمانی مختلف در 6 ترکیب متفاوت شامل بارش ماهانه، میانگین ماهانه متوسط دما، متوسط فشار و میانگین رطوبت نسبی استفاده گردید تا بهترین حالت ممکن جهت پیش بینی انتخاب و ساختار بهینه معرفی گردد. سپس نتایج حاصل، با مدل های شبکه عصبی مصنوعی (ann) ، برنامه ریزی بیان ژن و رگرسیون خطی چند متغیره (mlr) مقایسه گردید. عملکرد مدل ها توسط شاخص های آماری ضریب همبستگی (r)، ریشه مربع خطا (rmse) ارزیابی گردید. نتایج این تحقیق نشان داد که مدل ترکیبی موجک برنامه ریزی بیان ژن با ضرایب همبستگی 0.839 و 0.786 که به ترتیب مربوط به ایستگاه های جلفا و سراب می باشند، توانایی بیشتری در پیش بینی بارش ماهانه نسبت به سایر مدل ها دارد. نتایج حاصل، حاکی از توانایی موجک در بالا بردن دقت مدل می باشد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها