این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و فاضلاب، جلد ۲۳، شماره ۲، صفحات ۷۳-۸۵
عنوان فارسی پیش‌بینی فصلی خشکسالی هواشناسی با استفاده از ماشین‌های بردار پشتیبان
چکیده فارسی مقاله در تحقیقات مختلف، پارامترهای هواشناسی متفاوتی در پیش‌بینی دوره‌های کم بارش مورد توجه قرار گرفته‌اند. در این تحقیق نمایه بارش استاندارد شده (SPI) برای 6 سناریوی فصل (پاییز، زمستان، بهار، پاییز+ زمستان، زمستان+ بهار و پاییز تا بهار) محاسبه شده و متغیرهای هواشناسی پیش‌بینی کننده دمای هوا (در سطح 300، 500، 700 و 850 میلی بار) و ارتفاع ژئوپتانسیل (در سطح 300، 500، 700 و 850 میلی بار) در محدوده طول و عرض جغرافیایی 0 تا 60 درجه شمالی و 0 تا 90 درجه شرقی، در سالهای (1354-1386) برای پیش‌بینی پدیده خشکسالی هواشناسی مورد استفاده قرار گرفت. در این مدل پیش‌بینی، بازه زمانی پیش‌بینی کننده بین ماههای اکتبر تا آوریل برای SPI پیش‌بینی شده در همان بازه زمانی قرار دارد. نمایه بارش استاندارد شده در حوضه‌های مورد مطالعه (حوضه سدهای طالقان و ماملو) بر اساس بارش متوسط حوضه‌ها که به روش میانگین معکوس فاصله وزندار محاسبه شده، تخمین زده شده است. یکی از روشهای یادگیری آماری با استفاده از ناظر به‌نام ماشین‌بردار پشتیبان (SVM) برای تدوین مدل پیش‌بینی SPI استفاده شد. با استفاده از تکنیک آماری مبتنی بر آنتروپی مشترک اطلاعات، نقاط مؤثر بر بارش حوضه سدهای تهران در فصل بهار بیشتر در جنوب، جنوب غربی و شمال غربی کشور و در فصل پائیز، شمال، شمال غربی و جنوب و در زمستان در شمال غربی و غرب کشور تشخیص داده شدند. نتایج مدل SVM در اکثر موارد پیش‌بینی، دقت مناسب داشت. این روش می‌تواند در پیش‌بینی رفتارهای غیرخطی داده‌های هواشناسی با طول دوره آماری کوتاه مورد استفاده قرار گیرد. این دقت برای دسته‌بندی SPI فصلهای پاییز و بهار بیشتر از سایر سناریوها است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Seasonal Meteorological Drought Prediction Using Support Vector Machine
چکیده انگلیسی مقاله In various researches, implementation of meteorological parameters in drought prediction is studied. In the current work, meteorological drought classes based on Standardized Precipitation Index (SPI) for six seasonal scenarios (autumn, winter, spring, autumn + winter, winter +spring, and autumn + winter + spring) and meteorological predictors contained ground and sea surface temperature, weather temperature (at 300, 500, 700 and 850 mi bar) and geopotential height (at 300, 500, 700 and 850 mi bar) wide of North (0, 60) and East (0, 90) was applied in prediction models based on data from 1975 to 2005. In these models, temporal range of meteorological predictors is between October to April month on the same predicted SPI. SPI was calculated based on mean precipitation at seasonal time scale in the main watershed of Tehran (Taleghan, Mamloo) by Inverse Weighted Distance method. The well known statistical supervised machine learning method, support vector machine (SVM), is applied to predict SPI. Regarding to selected data points, the effective regions on Tehran precipitation are southern, southwestern and northwestern of Iran in spring, northern and northwestern in autumn and northwestern and western in winter. SVM depicted accurate results in prediction of SPI, spatially prediction of SPI in all scenarios, and it can be proposed as a very suitable statistical learning method in investigating of nonlinear behavior of meteorological phenomena with a short samples. The predicted SPI in spring and autumn are more accurate than the other scenarios.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علیرضا نیک بخت شهبازی | nik bakht shahbazi
دکترای هیدرولوژی و منابع آب، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه علوم و مهندسی آب، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

بنفشه زهرایی |
دانشیار دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

محسن ناصری |
دانشجوی دکترای مهندسی آب، دانشکده مهندسی عمران، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://www.wwjournal.ir/article_1663_f5a9abfba84e1010776de62ba4f50896.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات