ریزمقیاس نمایی داده های GCM به کمک روش شبکه عصبی مصنوعی (ANN)
محل انتشار: دومین کنگره ملی آبیاری و زهکشی ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,613
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCIID02_211
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
در دهه های اخیر تغییر اقلیم بویژه گرمایش زمین از مسائل مهمی است که جامعه جهانی با آن مواجه است. این مسئلهعامل مخرب و تهدید کننده ای برای زندگی بشر است. لذا پیش بینی تغییرات اقلیمی در آینده امری ضروری به حساب می آید .یکی از روش های پیش بینی تغییرات اقلیم، استفاده از خروجی مدل های گردش عمومی هوا (GCM) است . ولی با توجه به قدرتتفکیک پایین این مدل ها، قابل استفاده برای مطالعات محلی و ایستگاهی نمی باشند . به منظور افزایش قدرت تفکیک، خروجی اینمدل ها ریزمقیاس می گردند . در این تحقیق از داده های مشاهداتی بارش ماهانه ایستگاه های امامه در دوره آماری 2005-1980 و داده های پیش بینی مدل CanESM2 در گزارش پنجم سازمان بین المللی تغییر اقلیم، برای ارزیاابی قابلیت شبکه های عصبیمصنوعی (ANN) جهت ریزمقیاس سازی خروجی مدل های GCM استفاده گردیده است که نتایج رضایت بخش بوده است.
کلیدواژه ها:
نویسندگان
رضا حاجی حسینی
دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشگاه صنعتی شاهرود
جعفر یزدی
استادیار دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی
سعید گلیان
استادیار دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود
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 :