به دست آوردن پارامتری های غالب CGCM3به روش چند مکانی با استفاده از روشترکیبی الگوریتم ژنتیک وASD
- سال انتشار: 1389
- محل انتشار: دومین کنفرانس سراسری مدیریت جامع بهره برداری از منابع آب
- کد COI اختصاصی: NCUIMWR02_197
- زبان مقاله: فارسی
- تعداد مشاهده: 1014
نویسندگان
دانشجوی ارشد مهندسی آب، دانشگاه تحصیلات تکمیلی صنعتی کرمان
استادیار بخش مهندسی عمران، دانشگاه شهید باهنر کرمان
چکیده
یکی از روشهای پیش بینی تغییرات اقلیمی استفاده از خروجی های مدل جهانی اقلیم(Climate Models Global) GCMمیباشد. اما بدلیل بزرگ بودن شبکه های مدلGCM این مدلها در مطالعات محلی و منطقه ای کارآمد نیستند، اخیرا برای بهبود خروجی هایGCMدر مقیاس منطقهای، روش ریز مقیاس نمایی آماری مورد استف اده قرار گرفته است . یکی از مهمترین مراحل انجام روش ریز مقیاس نمایی آماری، انتخاب متغیرهای مستقلی است که در مدل نهایی از آنها استفاده می شود . به این متغیرهای مستقل انتخاب شده، متغیرهای غالب گفته می شود. به علت اینکه تاثیر متغیرهای مستقل بر روی متغیر وابسته در زمانهای مختلف، متفاوت است، تصمیمگیری و انتخاب متغیرهای غالب فرآیندی پیچیده است . در این تحقیق برای انتخاب متغیرهای غالب از ترکیب روش الگوریتم ژنتیک وASD استفاده شده است . بر طبق نتایج تجربی مشاهده شده، مشخص گردید که نتایج الگوریتم پیشنهادی همیشه بهتر یا حداقل برابر با نتایج ASDخواهد بودکلیدواژه ها
تغییرات اقلیمی، ریز مقیاس نمایی آماری چند مکانی، پارامترهای غالب، الگوریتم ژنتیک،ASDمقالات 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.