بررسی و پیش بینی بارندگی سالانه و تخمین تغذیه ناشی از بارندگی به مخازن آب های زیرزمینی (دشت تایباد)
محل انتشار: همایش ملی الگوهای توسعه پایداردر مدیریت آب
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,616
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSDPWM01_008
تاریخ نمایه سازی: 28 مهر 1388
چکیده مقاله:
پیش بینی بارندگی و برآورد میزان آن در هر زمان و برای هر منطقه و حوضه آبریز، به عنوان یکی از مهم ترین پارامترهای جوی، از اهمیت ویژه ای در استفاده بهینه ازمنابع آبی برخوردار است، برای پیش بینی این پارامتر می توان از سری های زمانی استفاده کرد. در این مطالعه، با استفاده از اطلاعات بارش 32 سال آماری در ایستگاه تایباد و باخرز، بارش ماهانه و فصلی(3ماهه) مدل سازی شد. برای به دست آوردن مدلی که بتواند بارندگی سالانه را با کمترین خطا پیش بینی کند، از داده های باران 3 ماهه( فصلی) و ماهانه، مربوط به سال های 1385-1354 استفاده شد.بدین ترتیب که ابتدابا داده های 1380-1354، مدل های SARIMA(p,d,q)و SARIMA(p,d,q) برای هر ایستگاه تعیین گردید.با استفاده از این مدل ها، مقادیر باران سالانه برای سال های 1385-1380 پیش بینی شد. با در اختیار داشتن مقادیر پیش بینی شده و مقادیر واقعی، معیارهای ریشه میانگین مربعات خطا RMSE))، میانگین قدر مطلق خطا (MAE) و میانگین قدرمطلق درصد خطا (MAPE)، محاسبه شد و مدل بهتر بر اساس این معیارها انتخاب گردید. سپس با به کارگیری مدل انتخاب شده، مقادیر بارندگی برای سال های 1395-1386 و میزان ناشی از بارندگی به مخازن آب های زیرزمینی دشت تایباد پیش بینی شد.
کلیدواژه ها:
نویسندگان
محمود دانشور کاخکی
دانشیار گروه اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه فردوسی مشهد
ناصر شاهنوشی
دانشیار گروه اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه فردوسی مشهد
بیژن قهرمان
دانشیار گروه مهندسی آب، دانشکده کشاورزی دانشگاه فردوسی مشهد
فرزانه صالحی
دانشجوی کارشناسی ارشد گروه اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه ف
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 :