ورود
مقالات فارسیISIکنفرانسهاژورنالها

استفاده از یادگیری ماشین برای بهبود تخمین بارش توسط داده های ERA۵ در ایستگاه های هواشناسی استان آذربایجان غربی

محل انتشار: مجله پژوهش های خشکسالی و تغییر اقلیم، دوره: 3، شماره: 12
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 10

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/2576327

شناسه ملی سند علمی:

JR_JDCR-3-12_003

تاریخ نمایه سازی: 16 فروردین 1405

چکیده مقاله:

تخمین دقیق بارش نقشی اساسی در پیش بینی آب وهوا، مدیریت منابع آبی و کاهش اثرات بلایای طبیعی ایفا می کند. در سال های اخیر، روش های یادگیری ماشین به عنوان ابزاری توانمند برای بهبود تخمین بارش مطرح شده اند. در این مقاله، روش های رگرسیون شبکه های عصبی مصنوعی و رگرسیون ماشین بردار پشتیبان برای نگاشت میزان بارش تخمین زده شده توسط داده های ERA۵به بارش های سنجش شده در ایستگاه های هواشناسی مورد ارزیابی قرار می گیرد. در این مطالعه، روش های مختلفی از جمله روش های آماری و یادگیری ماشین با استفاده از ترکیب ویژگی های مختلف برای بهبود دقت داده های ERA۵ مورد بررسی قرار می گیرند. ناحیه مورد مطالعه شامل ۱۶ ایستگاه هواشناسی می باشد. نتایج نشان می دهد که روش رگرسیون شبکه های عصبی مصنوعی دقت تخمین بارش را متناسب با تعداد ویژگی های ورودی افزایش داده و در بهترین حالت منجر به دستیابی به RMSE (mm۷۳/۲ برای روزانه)، CC ( ۷۱/۰ برای روزانه )، NSE (۵۰/۰ برای روزانه ) و NRMSE (۰۵/۰ برای روزانه) شد.

کلیدواژه ها:

نویسندگان

مسلم محمدی

استادیار گروه کامپیوتر، دانشکده مهندسی، دانشگاه پیام نور، تهران، ایران.

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 :
  • Amjad, M., Yilmaz, M. T., Yucel, I., & Yilmaz, K. ...
  • Bagheri Khanghahi M., Hazar Jaribi A., Kamali Mohammad I., Zamani ...
  • Beck, H. E., Vergopolan, N., Pan, M., Levizzani, V., van ...
  • Chen, F., Gao, Y. (۲۰۱۸). Evaluation of precipitation trends from ...
  • Donat, M. G., Lowry, A. L., Alexander, L. V., O’Gorman, ...
  • Espinosa, L. A., Portela, M. M., & Gharbia, S. (۲۰۲۴). ...
  • Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., ...
  • Houénafa, S. E., Johnson, O., Ronoh, E. K., & Moore, ...
  • Huang, S., Wang, S., Chen, J., Wang, C., Zhang, X., ...
  • Huffman, G. J., Bolvin, D. T., Braithwaite, D., Hsu, K., ...
  • Iacono, M.J.; Delamere, J.S.; Mlawer, E.J.; Shephard, M.W.; Clough, S.A.; ...
  • Jiang, S. H., Wei, L. Y., Ren, L. L., Zhang, ...
  • Kalhori M, Tadayon M, Kahrizi E, Ghiasvand M. Analysis and ...
  • Kidd, C., Becker, A., Huffman, G. J., Muller, C. L., ...
  • Komasi M, Dalvand R. Evaluation of nonparametric decision tree models ...
  • Kumar, A., Ramsankaran, R. A. A. J., Brocca, L., & ...
  • Mianabadi, A., Omidvar, J., & Pourreza-Bilandi, M. (۲۰۲۴). Development of ...
  • Modaresi, F., Araghinejad, S., & Ebrahimi, K. (۲۰۱۸). A comparative ...
  • Nouhani, E., Babaali, H. R., & Dehghani, R. (۲۰۲۴). Estimation ...
  • Saha, A., & Pal, S. C. (۲۰۲۴). Application of machine ...
  • Soci, C., Hersbach, H., Simmons, A., Poli, P., Bell, B., ...
  • Sun, Q., Miao, C., Duan, Q., Ashouri, H., Sorooshian, S., ...
  • Tang, W., Qin, J., Yang, K., Zhu, F., & Zhou, ...
  • Wang, Q., Xia, J., She, D., Zhang, X., Liu, J., ...
  • Yang, L., Shi, Z., Liu, R., & Xing, M. (۲۰۲۴). ...
  • Yousefi-Kebria, A., & Nadi, M. (۲۰۲۳). Evaluation of the accuracy ...
  • Yu, C., Hu, D., Liu, M., Wang, S., & Di, ...
  • Yuan, Y., & Liao, B. (۲۰۲۵). Evaluation of multi-source precipitation ...
  • Zhou, Z., Guo, B., Xing, W., Zhou, J., Xu, F., ...
    • نمایش کامل مراجع