بررسی عدم قطعیت مدل شبکه عصبی در ریز مقیاس گردانی HadCM۳ با روش فاصله اطمینان بوت استراپ
- سال انتشار: 1394
- محل انتشار: فصلنامه مهندسی و مدیریت آبخیز، دوره: 7، شماره: 3
- کد COI اختصاصی: JR_JWEM-7-3_008
- زبان مقاله: فارسی
- تعداد مشاهده: 278
نویسندگان
دانشجوی دکتری، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز
استاد، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز
دانشیار، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز
دانشیار، پردیس ابوریحان، دانشگاه تهران
استاد، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز
چکیده
در روش های ریزمقیاس گردانی آماری که بر اساس رابطه بین داده های گردش عمومی اتمسفری-اقیانوسی و هر یک از متغیرهای اقلیمی (بارش، دمای کمینه، دمای بیشینه) ایجاد می شود، دوره آتی آن متغیر اقلیمی شبیه سازی می شود. از آن جایی که در شبیه سازی، تمامی عوامل رخ داد، یک متغیر در مدل وارد نمی شود، لذا برآورد به وجود آمده همراه با خطا و یا عدم قطعیت می باشد. خروجی مدل های ریزمقیاس گردانی به عنوان ورودی در مدل های منابع آب و کشاورزی وارد شده و در صورتی که این ورودی ها دارای خطا باشند، خروجی مدل های ذکر شده نیز با عدم قطعیت بیشتری مواجه خواهد شد. شناخت مقدار خطا و یا عدم قطعیت هر مدل در قضاوت و اطمینان به نتایج به دست آمده ضروری است. در این تحقیق سعی شده است، عدم قطعیت ریزمقیاس گردانی مدل های GCM با شبکه عصبی در ایستگاه های شمال غرب کشور بررسی شود. بدین منظور، مدل شبکه عصبی اجراء و برای هر یک از ماه های سال، دمای کمینه، بیشینه و بارش با داده های NCEP واسنجی و ارزیابی شد. سپس، با داده های HadCM۳ در دوره حاضر مدل ایجاد شده، مقادیر فوق شبیه سازی شد. داده های روزانه مشاهده ای هر ماه در دوره (۲۰۰۱-۱۹۶۱) تهیه و در هر ایستگاه و هر ماه با روش بوت استرپ فاصله اطمینان ۹۹ درصد استخراج شد. سپس متوسط ماهانه دوره هر یک از متغیرهای اقلیمی برآورد شده به وسیله شبکه عصبی محاسبه شد. برای این منظور از دو معیار میانگین و واریانس داده ها استفاده شد. در هر ماه هرگاه میانگین یا واریانس برآورد شده در محدوده اطمیان قرار گیرد، برآورد به دست آمده دارای اطمینان است. برای مقایسه نتایج از تعداد ایستگاه-ماه استفاده شد. نتایج نشان داد که میانگین دمای بیشینه در ۱۴ ایستگاه-ماه در محدوده اطمینان واقع شدند. تحلیل ماهانه آن نیز نشان داد، دقت شبکه عصبی در تابستان کم بوده و عدم قطعیت بالاتری نسبت به فصول دیگر دارد. در شبیه سازی دمای کمینه بر اساس این معیار ۱۸ ایستگاه-ماه در محدوده اطمینان واقع شد. دقت شبکه عصبی در تابستان برای برآورد دمای کمینه کم و دارای عدم قطعیت در اغلب ایستگاه ها بود. به طوری که در ماه های ژوئن و آگوست در هیچ یک از ایستگاه ها برآورد به دست آمده در محدوده اطمینان قرار نگرفت. محدوده اطمینان بارش به دلیل ماهیت تغییرات زیاد آن نسبت به دما بسیار بالا بوده و تا بیش از ۵۰ درصد بارش متوسط ماه نیز در برخی ایستگاه ها رسید. باتوجه به دامنه اطمینان بالای بارش، در ۵۳ مورد ایستگاه-ماه در محدوده اطمینان قرار گرفتند.کلیدواژه ها
بارش, تغییر اقلیم, دما, شمال غرب, مدل منابع آب و کشاورزیاطلاعات 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.