بررسی عملکرد روش های ANN و SVR در ریزمقیاس نمایی بارش روزانه مناطق خشک
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 49، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 155
فایل این مقاله در 13 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:
JR_IJSWR-49-4_007
تاریخ نمایه سازی: 7 خرداد 1402
چکیده مقاله:
مطالعات بررسی پیامدهای تغییر اقلیم بر منابع آب نیازمند تبدیل رفتار متغیرهای اقلیمی شبیهسازی شده توسط خروجی مدلهای گردش عمومی، از یک مقیاس بزرگ به یک مقیاس محلی و مناسب است. فرآیند ریزمقیاس نمایی به طور قابل توجهی نتایج مربوط به شبیهسازی مدلهای گردش عمومی را بهبود میبخشد. با وجود اینکه مطالعات کمی در خصوص عملکرد روشهای ریزمقیاس نمایی در مناطق خشک وجود دارد، این پژوهش در نظر دارد تا کارایی روشهای آماری را به منظور ریزمقیاس نمایی بارش روزانه بررسی نماید. در این مطالعه به منظور بررسی عملکرد روش ANN و SVM در ریزمقیاس نمایی بارش روزانه مشاهداتی (۱۹۹۰-۱۹۶۰)، مقادیر ۲۶ متغیر پیشبینی کننده از خروجی مدل گردش عمومی CanESM۲ در گزارش پنجم، برای مدت مشابه استفاده شد. نخست فرآیند انتخاب بهترین متغیرهای پیشبینی کننده توسط آزمون رگرسیون گام به گام پیشرو انجام شد. به منظور بررسی توانمندی روشهای ریزمقیاس نمایی از شاخصهای ارزیابی R۲، RMSE و NSEبهره گرفته شد. همچنین به منظور تحلیل بهتر از آزمونهای مقایسهای متعددی نظیر بررسی عدم قطعیت، آمارههای توصیفی، دورههای تر و خشک و بارندگی ماهانه استفاده شد. نتایج شاخصهای ارزیابی نشان داد که در حالت کلی عملکرد دو روش در تخمین بارش نسبتا مناسب میباشد. مقدار شاخصهای ارزیابی R۲، RMSE و NSE در بهترین حالت به ترتیب معادل ۴۸/۰، ۵/۱ میلیمتر در روز و ۴۷/۰ و متعلق به روش SVM با تابع کرنل Polynomial میباشد. مقایسه تغییرات بارندگی روزانه نشان داد عدم قطعیت تخمین زده شده در روش SVM به عدمقطعیت مقادیر مشاهداتی نزدیکتر میباشد. عملکرد روشها در تخمین آمارههای توصیفی نشان داد که روش SVM با تابع کرنل Polynomial از برتری قابلتوجهی نسبت به سایر روشها برخوردار میباشد. مقایسه میانگین بارشهای ماه به ماه در دوره آزمون نشان داد که در ماههای با بارش بالا، عملکرد SVM بهتر از ANN میباشد. همچنین هر دو روش بارش در فصل تابستان را بیش از مقدار مشاهداتی برآورد نمودهاند. نتایج تشخیص روزهای خشک نشان داد که عملکرد روشها به یکدیگر نزدیک میباشد. در این مقوله ANN حدود ۹۶% روزهای خشک را به درستی تشخیص داد. اما در تشخیص روزهای تر عملکرد SVM در مقایسه با ANN بسیار بالاتر بود. بررسی توانمندی روشها در تخمین طول دورههای خشک نشان داد که عملکرد دو روش در تخمین دورههای بحرانی خشک بهتر از دورههای خشک با طول کم میباشد. همچنین نتایج مربوط به تخمین طول دورههای تر نشان داد که دقت روشها مناسب نمیباشد.
کلیدواژه ها:
نویسندگان
عباس خاشعی سیوکی
دانشیار گروه مهندسی آب دانشگاه بیرجند
علی شهیدی
دانشیار دانشگاه بیرجند
محسن پوررضا بیلندی
استادیار گروه علوم و مهندسی آب، دانشگاه بیرجند
مهدی امیرابادیزاده
استادیار گروه علوم و مهندسی آب، دانشگاه بیرجند
احمد جعفرزاده
دانشجوی دکتری مهندسی منابع آب، دانشکده کشاورزی، دانشگاه بیرجند
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 :