پیش بینی کمی بارش با استفاده از داده های جو بالا- مطالعه موردی حوضه سد گلستان

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,413

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WRM03_455

تاریخ نمایه سازی: 28 فروردین 1387

چکیده مقاله:

برای افزایش کارایی سیستم های هشدار سیل در حوضه های آبریز به ویژه حوضه های کوچک با سیل های ناگهانی، پیش بینی کمی بارش کوتاه مدت ضروری است. پیش بینی دقیق کمیت بارش یکی از مشک لترین موضوعات در هواشناسی است به همین دلیل در خیلی از کشور ها از جمله ایران، غالب پیش بینی ها به صورت کیفی است. در این مقاله یک مدل ساده پیش بینی کمی بارش ۱۲ ساعته بر اساس شبکه عصبی مصنوعی از نوع پرسپترون چند لایه در حوضه سد گلستان یک در گرگان - ا یران ارائه می شود. داده ها شامل اطلاعات جو بالا در سطوح مختلف فشاری و نیز پدیده های هواشناسی سطح زمین است. نتایج نشان می دهد در صورت بهبود داده های جو بالا در سطح حو ضه های آبریز، می توان پیش بینی کمی را قبل از وقوع بارش انجام داد و در هر ۱۲ ساعت به هنگام کرد. پیوند خروجی مدل پیش بینی بارش با یک مدل بارش-رواناب پیش بینی سیل و سیستم هشدار را بهبود می بخشد.

نویسندگان

محمد ابراهیم یخکشی

دانشجوی دکتری آبیاری – واحد علوم و تحقیقات دانشگاه آزاد اسلامی

بهرام ثقفیان

دانشیار مرکز تحقیقات حفاظت خاک و آبخیزداری کشور

حسین صدقی

دانشیار مرکز تحقیقات حفاظت خاک و آبخیزداری کشور

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 :
  • مرادی، حمید رضا، 1384، برآورد پیش بینی سیلابها بر اساس ...
  • کارآموز محمد و همکاران، 1385، پیش بینی بلندمدت بارش با ...
  • Toth , E. _ Brath, A. and Montanari , A. ...
  • Kuligowski, R. and Barros, A. , 1998, Experiments _ short-term ...
  • Kim G..and Barros , A . , 2001, Quantitative flood ...
  • Asce Task Committee-I, 2000 , ، Artificral neural networks _ ...
  • نمایش کامل مراجع