پیش بینی فصلی شاخص استاندارد شده بارش با استفاده از سیستم استنتاج فازی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,023

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

INCWR01_020

تاریخ نمایه سازی: 4 فروردین 1390

چکیده مقاله:

شهر تهران با بهره گیری از چهار حوضه آبریز و سدهای مربوطه (تهران امیرکبیر، لار، لتیان و طالقان) در معرض خشکسالی و لطمات آن واقع است. در این مقاله به منظور پی شبینی وضعیت کمی بارش در فصول مختلف سال آبی با استفاده از اطلاعات هواشناسی در شبکه های 10×10 درجه در محدوده جغرافیایی صفر تا 60 درجه عرض شمالی و 0 تا 90 درجه طول شرقی و همچنین مقادیر داده ماهانه دما و ارتفاع ژئوپتانسیل ثبت شده از سال 1948 تا2008 میلادی در سطوح مختلف 1000ف 850 ف 700 ، 500 و 300 میلی بار به پیش بینی فصلی خشکسالی اقلیمی در فصول پاییز، زمستان و بهار برای حوزه آبریز سد لار پرداخته شده است. شاخص خشکسالی مورد استفاده، شاخص استاندارد شده بارش بوده که در طول 31 سال آمار میانگین و سناریوهای زمانی بدست آمده است. در این مقاله پس از شناسایی نقطه-پارامترهای جوی موثر بر الگوی بارش در منطقه مورد نظر و با استفاده از شاخص آماری همراستایی اطلاعات، به توسعه یک سیستم استنتاج فازی به منظور پیش بینی شاخص خشکسالی با استفاده از پارامتر منتخب هواشناسی پرداخته شده است. نتایج گویای کارایی مناسب این تخمینگر در پیش بینی فصلی خشکسالی اقلیمی با دقت مناسب مکانی بوده است. در نهایت با استفاده از شاخصهای آماری موجود، این کارایی نیز کمی شده است

کلیدواژه ها:

پیش بینی خشکسالی ، شاخص استاندارد شده بارش ، استنتاج فازی

نویسندگان

روح اله ابراهیمی

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات

بنفشه زهرایی

دانشیار دانشکده مهندسی عمران، دانشگاه تهران

محسن ناصری

دانشجوی دکترا، دانشکده مهندسی عمران، دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Bonaccorso B., Bordi I, Cancelliere A., Rossi G, and Sutera ...
  • He Z., Xu X., and Deng Sh., (2008) "k-ANMI: A ...
  • Labedzki L, Bak B., (2005) "Drought Mapping in Poland Using ...
  • Loukas A., Vasiliades _ (2004) :Probabilistic Analysis of Drought Spatiotemporal ...
  • Maya R. J., Dandy G., Maier H. R, Nixon J. ...
  • Maya R. J, Dandy G., Maier H. R, Nixon J. ...
  • Maya R. J., Maier H. R, Dandy G., Fernando G. ...
  • Mehmet Ali, Y, Mahmut, F, (2009), "Adaptive neuro fuzzy inference ...
  • Moreira, E.E., Coelho C.A, Paulo, A.A., Pereira, L.S., Mexia, J.T., ...
  • Moreira, E.E., Paulo, A.A., Pereira, L.S., Mexia, J.T., (2006), "Analysis ...
  • Nasseri, M., Asghari, K and Abedini, I J. (2008) :Optimized ...
  • Paulo, A.A., Pereira, L.S., (2007) :Prediction of SPI drought class ...
  • Steinemann A., (2003) "Drought Indicators and Triggers: a Stochastic Approach ...
  • Sudheer, K. P., Gosain, A. K., & Ramasastri, K. S. ...
  • Witten, Ian H., and Frank, E. (2005), "Data Mining: Practical ...
  • Wua J., Chen J., Xiong H., and Xie Ming, (2008), ...
  • Zahraie, B., Karamou, M., and Eghdami, S., (2004), :Seasonal Precipitation ...
  • Zacharia, K, John, N , (2009), "A fuzzy inference system ...
  • نمایش کامل مراجع