فاطمه مقصود؛ محمدرضا یزدانی؛ محمد رحیمی؛ آرش ملکیان؛ علی اصغر ذوالفقاری
چکیده
خشکسالی در نگاهی کلی معلول یک دورۀ شرایط خشک غیرعادی است که به اندازۀ کافی دوام داشته و سبب عدم تعادل در وضعیت هیدرولوژیک یک ناحیه همچون افت منابع آب سطحی و زیرزمینی می‌گردد. هدف از این تحقیق مدلسازی پیش‌بینی خشکسالی هواشناسی در سه مقیاس زمانی کوتاهمدت، میانمدت و بلندمدت در ایستگاه بارانسنجی واقع در دشت جنوبی استان قزوین، ...
بیشتر
خشکسالی در نگاهی کلی معلول یک دورۀ شرایط خشک غیرعادی است که به اندازۀ کافی دوام داشته و سبب عدم تعادل در وضعیت هیدرولوژیک یک ناحیه همچون افت منابع آب سطحی و زیرزمینی می‌گردد. هدف از این تحقیق مدلسازی پیش‌بینی خشکسالی هواشناسی در سه مقیاس زمانی کوتاهمدت، میانمدت و بلندمدت در ایستگاه بارانسنجی واقع در دشت جنوبی استان قزوین، با استفاده از شبکۀ عصبی پرسپترون چندلایه و با در نظر گرفتن پارامترها و سیگنال‌های اقلیمی می‌باشد. بدین منظور سه سناریوی مختلف بهعنوان ورودی‌های مدل، مورد آزمون قرار گرفت. پس از تعیین متغیرهای ورودی با روش همبستگی متقاطع اقدام به تعیین ترکیب بهینۀ متغیرها با استفاده از آزمون گاما گردید. نتایج نشان داد که با افزایش مقیاس زمانی از کوتاهمدت به بلندمدت، تأثیر سیگنال‌های اقلیمی افزایش و در عوض تأثیر پارامترهای هواشناسی کمتر می‌شود. همچنین مؤثرترین سیگنال اقلیمی و پارامتر هواشناسی در هر مقیاس، به ترتیب MEI (شاخص چندمتغیرۀ النینو- نوسانات جنوبی) و بارندگی معرفی گردیدند. جهت مدلسازی از شبکۀ عصبی با یک لایۀ مخفی با تعداد کافی نرون، با تابع سیگموئید در لایۀ میانی و تابع خطی در لایۀ خروجی استفاده شد. مناسبترین تعداد نرون در هر سناریو تعیین شد. در نهایت براساس معیارهای ارزیابی، مناسبترین ساختار شبکه در هر مقیاس زمانی و در سه سناریوی مورد بررسی تعیین گردید.
محمدرضا یزدانی؛ علی اصغر ذوالفقاری
چکیده
برخی سیگنال‌های آب و هوایی با منشأ خارجی می‌توانند موجب تغییرات در شرایط آب و هوایی شده و بر میزان آورد جریان رودخانه تأثیرگذار باشند. ازآنجایی‌که جریان رودخانه حبله رود نقش بسزایی در توسعه فعالیت‌های مختلف خصوصاً کشاورزی منطقه داشته است، لازم است با انجام تحقیقات مناسب میزان جریان، پیش‌بینی شده تا بتوان مدیریت بهینه منابع آب ...
بیشتر
برخی سیگنال‌های آب و هوایی با منشأ خارجی می‌توانند موجب تغییرات در شرایط آب و هوایی شده و بر میزان آورد جریان رودخانه تأثیرگذار باشند. ازآنجایی‌که جریان رودخانه حبله رود نقش بسزایی در توسعه فعالیت‌های مختلف خصوصاً کشاورزی منطقه داشته است، لازم است با انجام تحقیقات مناسب میزان جریان، پیش‌بینی شده تا بتوان مدیریت بهینه منابع آب خصوصاً در شرایط خشکسالی و اقلیم در حال تغییر در این منطقه را مهیا نمود. در انجام این تحقیق از چهار مدل غیرخطی شبکه عصبی مصنوعی شامل شبکه‌های پیش خورد تعمیم‌یافته، شبکه‌های جوردن المان، شبکه‌های زمان تأخیری چرخشی و شبکه‌های تابع پایه شعاعی برای مدلسازی جریان رودخانه حبله رود (ایستگاه بنکوه) طی دوره 1361 تا 1390 استفاده گردید. برای ارزیابی شاخص‌های پیوند از دور و نقش آن‌ها در کارایی مدل از 10 شاخص استفاده گردید و متغیرهای ورودی در 4 سناریو مجزا در هر مرحله پس از آنالیز حساسیت داده‌ها وارد مدل شدند. نتایج به‌دست‌آمده در مرحله تست مدل حاکی از خطای کمتر شبکه‌های جوردن المان نسبت به سایر مدل‌ها در پیش‌بینی جریان است (میزان خطا از سناریوی اول تا چهارم به ترتیب برابر 57/5، 9/4، 35/5 و 62/4 است). به‌طورکلی میزان خطا از سناریوی اول تا سناریوی چهارم روندی کاهشی را در مدل‌ها نشان می‌دهد. نتایج بررسی‌ها بیانگر این است که با اضافه نمودن شاخص‌های پیوند از دور، میزان خطا در پیش‌بینی جریان رودخانه حبله رود از 15 تا 31 درصد کاهش می‌یابد.
