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

  • سال انتشار: 1398
  • محل انتشار: ششمین کنفرانس منطقه ای تغییر اقلیم
  • کد COI اختصاصی: RCCC06_142
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1217
دانلود فایل این مقاله

نویسندگان

مجید بیجندی

مدیرکل اداره کل هواشناسی خراسان شمالی

چکیده

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

مدل جهانی ERA5 ، مدل منطقه ای REGCM4 ، دمای میانگین ماهانه، و الگوریتم یادگیری عمیق.

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.