ارزیابی کارایی مدل شبکه عصبی مصنوعی برای ریزمقیاس نمایی و پیش بینی بلندمدت متغیرهای اقلیمی
محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 9، شماره: 18
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 241
فایل این مقاله در 11 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_JWMR-9-18_008
تاریخ نمایه سازی: 4 مهر 1400
چکیده مقاله:
مدل های گردش عمومی به عنوان منبع اصلی شبیه سازی اقلیم، دارای شبکه محاسباتی با ابعاد بزرگ بوده و قادر به ارائه اطلاعات قابل اعتماد برای مدل سازی هیدرولوژیکی نمی باشند. برای پرداختن و رفع چنین محدودیت هایی از روش ریز مقیاس نمایی استفاده می شود. در پژوهش حاضر، شبیه سازی اثر تغییر اقلیم بر رفتار بارش و دمای ایستگاه سینوپتیک سیرجان در استان کرمان، مورد ارزیابی قرار گرفت. در ابتدا عملکرد مدل شبکه عصبی مصنوعی به منظور ریزمقیاسنمایی متغیرهای اقلیمی پیش بینی شده توسط مدل گردش عمومی CanESM۲ مورد آزمون قرار گرفت. در ادامه با استفاده از مناسب ترین مدل ها مقادیر دما و بارندگی متوسط ماهانه برای دوره های آتی تحت سناریوی RCP ۴.۵ پیش بینی و بررسی گردیدند. نتایج نشان داد که برای متغیر دما ساختار مدل شبکه عصبی با تعداد ۲ لایه پنهان، ۸ نرون، تابع محرک تانژانت و لوگسیگموئید و همچنین الگوریتم آموزش لونبرگ-مارکوات دارای بیشترین کارایی و مقادیر RMSE، NS و R۲ به ترتیب برابر با ۳۸۷/۰، ۹۷۳/۰ و ۹۱۷/۰ بوده است. همچنین برای متغیر بارش نیز ساختاری با تعداد ۲ لایه، ۸ نرون، تابع محرک تانژانت و لوگ سیگموئید و الگوریتم آموزشی لونبرگ-مارکوات عملکرد مناسب تری داشت و مقادیر RMSE، NS و R۲ به ترتیب برابر با ۸۶۷/۲، ۸۴۹/۰ و ۹۲۴/۰ می باشند. سایر نتایج نشان داد که تا سال ۲۰۹۹، میانگین دما در سناریوی RCP ۴.۵، ۳ درجه سانتی گراد افزایش خواهد یافت و بیشترین افزایش مربوط به ماه اگوست به مقدار ۹/۴ و کمترین افزایش مربوط به ماه آوریل به مقدار ۸/۱ می باشد. نتایج، همچنین افزایش قابل توجه در میزان بارش ژوئیه تا نوامبر و کاهش بارش در ماه های مارس و می را نشان داد. با این وجود در مقیاس سالانه، تغییری در میزان بارندگی رخ نخواهد داد.
کلیدواژه ها:
Artificial Neural Network ، General Circulation Model ، Fifth Assessment Report of IPCC ، Precipitation ، Temperature ، Sirjan ، شبکه عصبی مصنوعی ، مدل های گردش عمومی ، گزارش پنجم IPCC ، بارش ، دما ، سیرجان
نویسندگان
ابراهیم امیدوار
University of Kashan
مریم رضایی
University of Kashan
عبدالله پیرنیا
Sari agriculture and natural resource University
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 :