این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۱۲، شماره ۱، صفحات ۱۵۸-۱۷۰
عنوان فارسی مقایسه عملکرد دو رهیافت شبیه‌سازی زمانی- مکانی بارش روزانه در گستره ایران
چکیده فارسی مقاله در این مطالعه عملکرد دو رهیافت پارامتری مارکف پنهان (HMM) و ناپارامتری k- نزدیک‌ترین همسایه (KNN) در شبیه‌سازی سری زمانی داده‌های روزانه بارندگی زمستانه در 130 ایستگاه باران‌سنجی ایران با طول دوره آماری 21 سال مورد ارزیابی قرار گرفته است. شش ایستگاه بندرانزلی، ساری، قراخیل قائم‌شهر، گرگان، شیراز و زاهدان نیز به ترتیب به عنوان ایستگاه‌های معرف اقالیم بسیار مرطوب، مرطوب، نیمه‌مرطوب، مدیترانه‌ای، نیمه‌خشک و خشک انتخاب شده‌اند. در شبیه‌سازی گشتاورهای مرتبه 1و2 و مقایسه پراکنش داده‌ها با استفاده از دو نمودار جعبه‌ای و نمودار فاصله اطمینان 95 درصد، HMM نتایج بهتری داشته، در مقایسه فضای احتمالاتی همه ایستگاه‌ها عملکرد HMM در مقادیر حدی و صدک‌های بالا، و عملکرد KNN در مقادیر میانی توزیع بهتر می‌باشد. براساس روش امتیازدهی LEPS Score و نمودارهای توزیع تجمعی تجربی نیز HMM نتایج بهتری را ارائه نموده است. در شبیه‌سازی وابستگی‌های مکانی بر اساس روش نسبت لگاریتمی بخت‌ها، عملکرد KNN بهتر بوده است. در شبیه‌سازی فراوانی روزهای تر و خشک، بیش برآوردی در HMM و کم برآوردی در KNN مشاهده می‌شود. در تداوم‌های خشک و تر هر دو مدل در شبیه‌سازی تداوم‌های کوتاهتر دارای بیش‌برآوردی بودند. در مجموع مهارتHMM در شبیه‌سازی سری مصنوعی بارندگی روزانه، به دلیل ساختار پیچیده ریاضی آن بیشتر بوده، اگرچه نتایج نسبتا خوب KNN نشان داد مدل قابلیت استفاده در کاربری های ساده‌تر را داراست.
کلیدواژه‌های فارسی مقاله ایران، مارکف پنهان، K-نزدیک‌ترین همسایه، بارش،
عنوان انگلیسی Comparison of Skill of Two Spatial-temporal Approaches of Daily Rainfall Simulation Across Iran
چکیده انگلیسی مقاله The aim of this study is a comparison among two multi-site stochastic weather generators for simulation of winter rainfall occurrence across Iran using data of a selected network consisting of 130 rain gauge stations with a historical data of 21 years. The applied approaches included Hidden Markov Model (HMM) as a parametric approach and K-nearest neighbor (KNN) as non-parametric approach. Six stations namely, Bandar Anzali, Sari, Gharakhil Ghaemshahr, Gorgan, Shiraz and Zahedan were chosen respectively as the representative of different climates including very humid, humid, semi humid, Mediterranean, semi dry and dry climates. In comparison of first and second order momentums, results indicated that HMM performed well in almost every station. Data dispersion was examined using box plot and confidence interval analysis. The results revealed better performance for HMM. Regarding probabilities spaces, HMM showed a better performance in simulation of extreme events and higher percentiles of empirical distribution but KNN approach provided better estimations for middle percentiles values. LEPS Score index was used for comparison of cumulative distribution of observed and simulated series which showed more agreement in case of HMM. The spatial correlation was evaluated using Log-odds ratio index, which indicated that KNN model did better. Both approaches performed well in estimation of duration of wet and dry spells though a tendency to overestimate was observed at HMM and a tendency to underestimate viewed at KNN in simulating of wet spells. In general, HMM has more skill in simulation of daily rainfall series which might be attributed to its complex mathematical structure, however relatively good results of KNN approach showed that it can be recommended for less complicated applications.
کلیدواژه‌های انگلیسی مقاله Hidden Markov, K-Nearest Neighbor, Rainfall, Iran
نویسندگان مقاله طاهره قصدی |
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نوذر قهرمان |
دانشیار دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مهدی قمقامی |
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://www.iwrr.ir/article_13913_216025adbb50f5f6b2522b62c48ba6b7.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