ارزیابی پس پردازش دمای میانگین ماهانه خروجی مدل جهانی Era5 و مدل اقلیمی منطقه ای RegCM4 با استفاده از الگوریتم یادگیری عمیق: مطالعه موردی ایستگاه فرودگاهی بجنورد
محل انتشار: ششمین کنفرانس منطقه ای تغییر اقلیم
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,210
فایل این مقاله در 10 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:
RCCC06_142
تاریخ نمایه سازی: 28 اسفند 1398
چکیده مقاله:
دما از عناصر مهم مورد مطالعه در تغییرات اقلیمی است. امروزه سرعت افزایش درجه حرارت در مقایسه با گذشته افزایش چشمگیری یافته است. نگرانی گسترده درباره ی گرمایش جهانی ناشی از انتشار گازهای گلخانه ای در جو زمین، حس کنجکاوی دانشمندان را برای بررسی سری های زمانی دما و آشکارسازی روندهای منطقی در طی چنددهه ی اخیر، برانگیخته است. در این مقاله برآنیم تا دمای میانگین ماهانه ایستگاه فرودگاهی بجنورد را با استفاده از روش های نوین پیش بینی نماییم. با توجه به اینکه مدل های عددی همواره با خطا همراه هستند، لذا در اینجا پارامتر دمای میانگین ماهانه دو مدل جهانی و منطقه ای ERA5 و REGCM4 را با استفاده از جدیدترین الگوریتم شبکه عصبی به نام یادگیری عمیق، پس پردازش می نماییم. در نهایت با مقایسه داده های پس پردازش شده دمای میانگین ماهانه دو مدل مذکور با داده های واقعی ایستگاه سینوپتیک فرودگاهی بجنورد به این نتیجه رسیدیم که پس پردازش مدل اقلیمی منطقه ای RegCM4 توسط روش یادگیری عمیق دارای بیشترین میزان همبستگی با داده های واقعی دمای میانگین ماهانه می باشد.
کلیدواژه ها:
نویسندگان
مجید بیجندی
مدیرکل اداره کل هواشناسی خراسان شمالی