تشخیص الگوی زمانی خشکسالی بر اساس سیگنالهای بلند مقیاس هواشناسی و روش‌های داده‌کاوی، مطالعه موردی در استان سیستان و بلوچستان

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,374

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:

CEE05_272

تاریخ نمایه سازی: 2 شهریور 1390

چکیده مقاله:

وقوع خشکسالی جزئی لاینفک از چرخه اقلیمی در هر منطقه می باشد. پیش بینی وقوع این پدیده طبیعی به دلیل صدمات و آثار تخریبی آن بر منابع آب و کشاورزی، مورد توجه و نظر محققین بسیاری بوده و روش های مختلفی را به منظور این پیش بینی به خدمت گرفته اند. ایران نیز به دلیل گذر کمربند مناطق خشک نیمکره شمالی از میان آن، همواره در خطر وقوع خشکسالی و صدمات مربوط به آن می باشد. در این تحقیق به منظور پیش بینی شدت خشکسالی و احتمال وقوع آن در زیرحوضه های هیدرولوژیک استان سیستان و بلوچستان با استفاده از قواعد انجمنی، از مجموعه رویکردهای داده کاوی پرداخته شده است. در این روش با تبدیل سیگنالهای بارش ماهانه در منطقه مورد نظر به شاخص استاندارد شده بارش (SPI) و همچنین دسته بندی سیگنالهای هواشناسی به کلاسهایی متعدد بر اساس تغییرات بلند مدت به این پیش بینی اقدام گردیده است، همچنین روش مورد استفاده رویکرد Apriori در دامنه روشهای داده کاوی است. سیگنال‌های مورد بررسی شامل آب قابل بارش، ارتفاع معادل فشار،دمای هوا، رطوبت نسبی و ویژه و سرعت باد در سطوح مختلف فشاری (1000، 850، 500 و 250 میلی باری) بوده که در دامنه 20 تا 35 درجه شمالی و 55 تا 70 درجه شرقی و با دقت شبکه بندی جغرافیایی 5/2×5/2 درجه بوده است. متغیرهای موثر در تخمین کلاس شاخص خشکسالی با استفاده از شاخص متقابل اطلاعات شناسایی گردیده اند. نتایج گویای دقت تقریباً مناسب قواعد توسعه داده شده به رغم سادگی رویکرد منتخب در استان مورد بررسی است.

کلیدواژه ها:

شاخص استاندارد شده بارش (SPI) ، حوضه‌های آبریز پنج‌گانه استان سیستان و بلوچستان ، داده کاوی ، قوانین و قواعد انجمنی ، متغیرهای هواشناسی

نویسندگان

داود آزادی فرد

دانشجوی کارشناسی ارشد مهندسی عمران – آب، دانشکده مهندسی عمران، دان

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 :
  • باروتی، حنانه. یوسف گمرکچی، افشین. فضل اولی، رامین. 387. تحلیل ...
  • سالنامه آماری کشور(1338). مرکز آمار و انفورماتیک. ...
  • Edelstein, H. 1997, Data mining: Exploiting hidden trends in your ...
  • /5] Han, J. and Kamber, M. 2006. Data Mining: Concepts ...
  • /6] Tadesse, T.: 2002, Identifying drought and its associations with ...
  • ، 7] Tadesse, T., D.A. Wilhite, S.K. Harms, M.J. Hayes, ...
  • Two Crows Corporation: 1999, Introduction to Data Mining and Knowledge ...
  • نمایش کامل مراجع