پیشبینی بلند مدت بارش با استفاده از مدل شبکه عصبی مصنوعی مطالعه موردی: راور

  • سال انتشار: 1393
  • محل انتشار: کنفرانس بین المللی توسعه پایدار، راهکارها و چالش ها با محوریت کشاورزی، منابع طبیعی، محیط زیست و گردشگری
  • کد COI اختصاصی: ICSDA01_1034
  • زبان مقاله: فارسی
  • تعداد مشاهده: 738
دانلود فایل این مقاله

نویسندگان

مریم رضائی

دانش آموخته کارشناسی ارشد، گروه مرتع و آبخیزداری دانشگاه زابل

محمد نهتانی

استادیار گروه مرتع و آبخیزداری دانشگاه زابل

علیرضا مقدم نیا

دانشیار گروه احیای مناطق خشک و کوهستانی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

علیجان آبکار

دکتری آبخیزداری مرکز تحقیقات کشاورزی و منابع طبیعی استان کرمان

چکیده

بارش از عناصر اساسی شکل گیری اقلیم است و تغییرات آن میتواند ساختار آب و هوایی هر منطقهای را دگرگون سازد. پدیده تغییر اقلیم از طریق تغییر در الگوی بارش بر رژیم هیدرولوژیکی نواحی مختلف تأثیرگذار میباشد. در این پژوهش اثر تغییر اقلیم بر میزان بارش ایستگاه باران سنجی راور، با استفاده از خروجیهای مدل HadCM3 تحت سناریوی A2 و از طریق مدل ریزمقیاسکننده شبکه عصبی مصنوعی برای سه دوره 2039-2010و2069-2040و2099-2070 میلادی پیشبینی شد. شبکه مورد استفاده از نوع پرسپترون چند لایه (MLP) و الگوریتم یادگیری لونبرگ مارکوات میباشد. نتایج تحقیق نشان داد که استفاده از شبکه عصبی مصنوعی با دو لایه پنهان مدل نسبتاً بهتری را ارائه میکند و بیشترین کاهش در میزان بارش در ماه مارس و بیشترین افزایش در بارش در ماه دسامبر رخ خواهد داد. همچنین میزان بارش سالانه تا سال 2099 8/61 میلیمتر یا 11/68درصد نسبت به دوره پایه کاهش خواهد داشت.

کلیدواژه ها

تغییر اقلیم، ریزمقیاس نمودن، سناریوی انتشار A2 ، گازهای گلخانهای، مدل شبکه عصبی مصنوعی

مقالات مرتبط جدید

اطلاعات 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.