مدلسازی دما با استفاده از سریهای زمانی پریودیک آرما مطالعه موردی ایستگاه سینوپتیک شهر کرمان

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,303

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SDCONF01_0883

تاریخ نمایه سازی: 28 اردیبهشت 1392

چکیده مقاله:

مدلسازی بسیاری از فرایندهای هیدرولوژی که نتیجه تاثیرات متقابل پارامترهایی است که اولا تعداد آنها زیاد و ثانیا در اندرکنش با یکدیگر سیستم پیچیده ای را به وجودمیآورند، امری مشکل ولی حائز اهمیت است. در طراحیها و بهره برداری از سیستمهای منابع آب، نیاز است با توجه به آمارهای گذشته و ثبت داده شده به صورت سریهایزمانی و مکانی، اقدام به پیش بینی عوامل هیدرولوژی نظیر دبی رودخانه، میزان بارندگی، رطوبت هوا، درجه حرارت و غیره نمود. این امر میتواند در تعیین پیشبینی خشکسالی و به ویژه در نحوه بهره برداری بهینه از سیستم های منابع آب نظیر سدها، رودخانه ها، آبهای زیرزمینی و سیستم های تلفیقی از آنها بسیار حائز اهمیت است. در اینمطالعه سری زمانی 55 ساله دادههای میانگین ماهیانهی متوسط دمای روزانه شهر کرمان از سال 9159 تا 0225 با آزمون های مختلف آماری تصحیح و تکمیل شد و در نهایتتمام عوامل نا ایستایی را از بین رفت و سری ایستا و نرمال داده ها را با استفاده از نرم افزار SAMS2007 مدل سازی و با استفاده از مدل برتر، داده های مربوطه تا سال 0202پیش بینی شد و با توجه به همبستگی 15 درصد بین داده های تاریخی و داده های پیش بینی شده، مدل های معرفی شده برای هر فصل، مدل های مناسبی جهت پیش بینی وتولید داده برای سال های آینده شهر کرمان خواهد بود و همان طور که مشاهده شد، دمای هوا در سال های 0225 به بعد نسبت به سال های قبل به نسبت افزایش دارد

کلیدواژه ها:

مدل سازی دما ، پیش بینی دما ، نرم افزار SAMS 2007 ، مدل های پریودیک آرما ) PARMA

نویسندگان

محمد ناظری تهرودی

دانشجوی کارشناسی ارشد منابع آب دانشگاه ارومیه

کیوان خلیلی

استادیار دانشگاه ارومیه

فرشاد احمدی

دانشجوی کارشناسی ارشد منابع آب دانشگاه تبریز

زهرا نظری تهرودی

دانشجوی کارشناسی ارشد آبخیزداری دانشگاه آزاد اسلامی واحد میبد

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 :