ارزیابی کاربرد مدل های شبکه عصبی مصنوعی و SDSM به منظورشبیه سازی دمای کمینه و بیشینه ایستگاه اصفهان
- سال انتشار: 1397
- محل انتشار: دوفصلنامه کاوش های جغرافیایی مناطق بیابانی، دوره: 6، شماره: 2
- کد COI اختصاصی: JR_GRD-6-2_006
- زبان مقاله: فارسی
- تعداد مشاهده: 264
نویسندگان
استاد اقلیم شناسی دانشگاه زنجان، زنجان، ایران
دانشجوی دکتری تغییرات آب و هوایی دانشگاه زنجان، زنجان، ایران
چکیده
با توجه به تغییرات اقلیمی و گرمایش جهانی، پیشبینی دمای بیشینه و کمینه که از مهم ترین پارمترهای اقلیمی است، فرصت مناسبی را برای برنامهریزی و ارائه تمهیدات لازم در اختیار برنامهریزان قرار می دهد. در این پژوهش با استفاده از مدل ریزگردانی آماری دینامیک (SDSM) و مدل ریزگردانی براساس شبکه عصبی مصنوعی (ANN) بیشینه و کمینه دمای ایستگاه اصفهان شبیهسازی شد. در این راستا از دادههای مرکز ملی پیش بینی محیطی (NCEP) به عنوان متغیرهای پیشبین جهت واسنجی و ارزیابی مدل استفاده شد و از دادههای HadCM۳ تحت دو سناریوی A۲ و B۲ جهت شبیهسازی دمای کمینه و بیشینه ایستگاه اصفهان طی سه دوره زمانی ۲۰۱۶-۲۰۴۰، ۲۰۴۱-۲۰۷۰ و ۲۰۷۱-۲۰۹۹ استفاده شد. نتایج نشان داد که دمای بیشینه و کمینه طی دوره های یاد شده افزایش چشم گیری خواهند داشت. به گونهای که بر اساس سناریوی B۲ و در هر دو مدل شبکه عصبی و SDSM تا سال ۲۰۹۹ نسبت به دوره پایه، میانگین سالانه دمای کمینه ۳۸/۲ و ۲۲/۳ درجه و دمای بیشینه ۴۳/۳ و ۲۲/۴ درجه سلسیوس افزایش خواهد یافت. بر اساس این پژوهش، مدل شبکه عصبی مصنوعی نتایج قابل قبولتری را نشان داد.کلیدواژه ها
مدلسازی, SDSM, شبکه عصبی مصنوعی, دما, اصفهاناطلاعات 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.