ارزیابی کارایی مدل شبکه عصبی مصنوعی برای ریزمقیاس نمایی و پیشبینی روزانه دما تحت سه سناریو اقلیمی در یک ایستگاه هواشناسی کانادا
محل انتشار: اولین کنفرانس ملی داده کاوی در علوم زمین
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 399
- 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:
EARTHSCI01_019
تاریخ نمایه سازی: 14 شهریور 1400
چکیده مقاله:
از آنجا که تغییر اقلیم یکی از مهمترین عامل تهدیدآمیز زندگی بشر در قرن بیست و یکم شناخته شده است، پیشبینی شرایط اقلیمی آینده در سراسر مناطق کره زمین در راستای مدیریت و برنامهریزی طرحهای عمرانی امری ضروری است. خروجیهای مدلهای گردش عمومی جو به عنوان منبع اصلی شبیه سازی اقلیم، داده های بزرگمقیاس و فاقد دقت مکانی و زمانی مناسب جهت استفاده در مطالعات ناحیهای هستند. روش ریزمقیاس نمایی راهکار رفع این محدودیتها است. در این تحقیق، از داده های مشاهداتی دما و پوشش ابر روزانه ایستگاه سینوپتیک مک دونالد اتاوا در دوره پایه ۱۹۸۶-۲۰۰۵ و داده های مدل اقلیمی CanESM۲ تحت سه سناریو RCP۲.۶، RCP۴.۵ و RCP۸.۵ در دوره آتی ۲۰۸۱-۲۱۰۰ طبق گزارش پنجم سازمان بین المللی تغییراقلیم استفاده گردید. خروجی هریک از سناریوهای آتی انتشار به کمک مدل شبکه عصبی به مقیاس منطقه ای تبدیل شد. نتایج نشان داد ساختار مدل شبکه عصبی مقادیر شاخص های RMSE و R۲ را برای داده های تست به ترتیب برابر ۱/۶۶ و ۰/۹۹ نشان میدهد. نتایج حاکی از افزایش ۲/۳۱، ۳/۹۵ و ۶/۱۲ درجه سانتیگراد در دمای متوسط روزانه مدل CanESM۲ تحت هریک از سناریوهای RCP۲.۶، RCP۴.۵ و RCP۸.۵ در طول دوره آتی ۲۰۸۱-۲۱۰۰ نسبت به دوره پایه ۱۹۸۶-۲۰۰۵ است.
کلیدواژه ها:
نویسندگان
مهتاب یاقوتی
دانشجوی کارشناسی ارشد عمران محیط زیست، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران،
نیما حیدرزاده
استادیار دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران،
غلامرضا اسدالله فردی
استادیار دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران،
نادر نخعی
پژوهشگر مرکز آبهای داخلی کانادا (CCIW)، سازمان محیط زیست و تغییرات آب و هوایی کانادا، انتاریو، کانادا،