اصلاح و کاربرد مدل های ساده رگرسیونی برای پیش بینی بارندگی سالانه در ایستگاه های شهرکرد و یزد

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 485

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WHEC02_035

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

منابع آبی زمین به بارندگی وابسته است. وجود مدل هایی برای پیش بینی بارندگی و به تبع آن مدیریت منابع آب، چه در مناطق پر بارش و چه در مناطق خشک و نیمه خشک، امری مفید است. در این پژوهش با استفادهاز آمار درازمدت بارندگی روزانه دو ایستگاه شهرکرد و یزد، مدل های ساده رگرسیونی که برای برآورد بارندگی سالانه ( Pa ) در استان های خوزستان، کرمان و استان های جنوبی و غربی ارائه شده بود، مورد ارزیابی قرار گرفت. در این مدل ها Pa وابسته به فاصله زمانی وقوع 42/5 و 47/5 میلی متر بارندگی از ابتدای پاییز (t47.5، t42.5) و میانگین درازمدت بارندگی (Pm) بود. نتایج نشان داد که روابط معکوس و خطی مرتبط با t42.5 و t47.5 قادر به برآورد بارندگی سالانه در شهرکرد نمی باشد، در حالی که مدل ساده رگرسیونی با بکارگیری t47.5، t42.5 و میانگین درازمدت بارندگی، در صورت اصلاح ضرایب، با دقت قابل قبولی ( با جذر میانگین مربعات خطای نرمال کمتر از 0/30 یا شاخص توافق بیشتر از 0/90 ) قادر به پیش بینی بارندگی در دو ایستگاه شهرکرد و یزد می باشد.

نویسندگان

نسیمه خلیلی سامانی

دانشجوی کارشناسی ارشد آبخیزداری دانشگاه اردکان

ابوالفضل عزیزیان

استادیار علوم و مهندسی آب دانشگاه اردکان

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 :
  • داودی محمود، محمدی حسینمراد و بای ناصر (1389). تجزیه و ...
  • فاطمی امین سید رضا، مرتضایی اشرف (1392). برنامه راهبردی زنجیره ...
  • قاسمی محمد مهدی، سپاسخواه علیرضا (1383). پیش‌بینی بارندگی سالانه استان ...
  • کریمی گوغری شهرام، سپاسخواه علیرضا (1385). ارائه مدلی جهت تخمین ...
  • Ansari H (2013). Forecasting Seasonal and Annual Rainfall Based on ...
  • _ _ _ -آ 0 _ --- 200 400 600 ...
  • Ma L., Li X., and Wang J (2012). Hybrid Neural ...
  • Munot A. A., and Kumar K K (2007). Long range ...
  • Rahman M M., Rafiuddin M., and Alam M. M (2013). ...
  • Sepaskhah A. R., and Taghvaee A. R (2006). A simple ...
  • نمایش کامل مراجع