پیش بینی بلند مدت بارش ماهانه و فصلی با استفاده از شبکه های عصبی مصنوعی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 494

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WATERCONF01_022

تاریخ نمایه سازی: 19 تیر 1394

چکیده مقاله:

پیش بینی تغییرات سنجه های اقلیمی و هواشناسی یکی از دغدغه های بسیار بزرگ دانشمندان است . پیش بینی فرآیندهای جوی دربرنامه ریزی و مدیریت منابع آب ، خصوصا در مناطق با اقلیم خشک و نیمه خشک، از اهمیت بالایی برخوردار است . در عین حال ، در مناطق شهری بارش تأثیر بسیار زیادی برکنترل ترافیک ، فاضلاب و فعالیت های دیگر انسان دارد . انسو از دو واژه النینو و نوسان جنوبی گرفته شده است . پدیده انسو ، یکی از مهم ترین منابع مؤثر بر تغییرات جوی اقلیمی در جهان و مخصوصا در مناطق حاره می باشد . زمانی که دمای آب دریا بالا و اختلاف فشار سطح در استوا پایین باشد ، پدیده انسو اتفاق می افتد . النینو با شدت و تداومهای مختلفی ظاهر می شود به طوری که در فواصل نامنظم 2 الی 01 سال و به طور متوسط با فاصله هر 3 سال رخ می دهد . این پدیده یکی از مهم ترین پدیده هایی است که باعث ظهور ناهنجاری های بزرگ آب و هوایی در بسیاری از نقاط جهان می شود . اختلاف فشار بین تاهیتی در شرق و داروین استرالیا در غرب اقیانوس آرام به عنوان مبنای اندازه گیری شاخص نوسان جنوبی SOI مورد استفاده قرار می گیرد و مقادیر مثبت یا منفی این اختلاف بیانگر فازهای مختلف انسو است . اگر فشار تاهیتی منهای فشار داروین عددی منفی شود شرایط النینو فراهم می شود و اگر عددی مثبت شود شرایط لانینو فراهم می شود ، در حالت النینو دمای سطح دریا بتدریج از غرب به شرق افزایش می یابد و عمق ترموکلایننیز از غرب به شرق افزایش می یابد . پدیده انسو بر مناطق مختلف کره زمین تأثیرهای متفاوت می گذارد که بیشتر تاثیرات فاز گرم النینو مورد ارزیابی قرار می گیرد . ناظم و السادات 2003 تاثیر انسو را بر بارندگی در ایران ، با استفاده ازشاخص SOI و اطلاعات ایستگاه های هواشناسی مورد بررسی قرار داده است . تحقیقات او نشان می دهد النینو باعث افزایش بارش پاییزه مخصوصا در غرب کشور می شود .

نویسندگان

فتانه باقرزاده

دانشگاه هرمزگان

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 :
  • ناظم السادات، م، قاسمی، آ، ر، ای، کردی، "ارتباط بین ...
  • Plamen N. Penchev, George N. Andreev, Kurt Varmuza, 1999, Automatic ...
  • Linker, R., I. Shmulevich, A. Kenny and A. Shaviv (2005) ...
  • Gosav, S., R. Dinica and M Praisler (2008) Choosing between ...
  • Hall, T, H.E. Brooks and Ch.A. Doswell (1999) Precipitation Neural ...
  • Forecasting Using a forecasting, Vol. 14, 338-345. ...
  • S. Vogt and D. Sacher (2001) A neural network method ...
  • Nakakita, E., Sh. Ikebuchi, M. Naknmuri, M.Okuda, A. Yamaji and ...
  • Bodri, L and V. Cermak (2000) Prediction of extreme precipitation ...
  • Maeda, N, K. Shun'ichi, I. Kaoru IZUMI, K. Shigekazu and ...
  • Lakshami, S.S., R.K. Tiwari and V.K. Somvanshi (2003) Predictionof Indian ...
  • Bustami, R., N. Bessaih, Ch. Bong and S. Suhaili (2007) ...
  • Hung, N.Q., M. S. Babel, S. Weesakul, and N. K. ...
  • Shafie, A.H, A. El-Shafie, Hasan G. El Mazoghi, A. Shehata ...
  • Coulibaly P., Anctil, F., and Bobee, B. Daily reservoir inflow ...
  • Hornik, K., Stimchcombe, M., and White, H., multilayer feed forward ...
  • French, M. N., Krajewski, W. F., and Cuykendal, R. R., ...
  • نمایش کامل مراجع