پیش بینی بارش های ماهانه با سیگنال ها و عناصر اقلیمی، مطالعه ی موردی: شهرستان دزفول
در این پژوهش به منظور مدل سازی بارش دزفول از دادههای بارش ماهانه ی ایستگاه همدید دزفول در بازه ی آماری (2014-1961) به مدت 53 سال به عنوان متغیر وابسته و شاخصها و عناصر اقلیمی به عنوان متغیر مستقل استفاده شده است. برای استفاده از مهم ترین عناصر اقلیمی موثر بر منطقه ی مورد مطالعه از تحلیل عاملی استفاده شد و برای تشخیص مهم ترین سیگنالهای اقلیمی موثر بر متغیر وابسته از انواع روش های تحلیل رگرسیون استفاده شد. به دلیل رفتار غیرخطی بارش از شبکههای عصبی مصنوعی جهت مدل سازی بهره گرفته شد. برای ورود به شبکه ی عصبی، داده های بارش مورد تحلیل رگرسیونی قرار گرفت. نتایج پژوهش آشکار ساخت که پیش بینی سیگنالهای اقلیمی، دارای ضریب همبستگی بالاتری بود. برای نمونه، ضریب همبستگی با روش حذف تدریجی داده ها 100 درصد و روش گام به گام 88/99 درصد بود. از بین 144 واحد (سیگنال اقلیمی در هر ماه) 16 واحد یا شاخص در ماههای تعیینشده با 18 شبکه جهت پیشآگاهی بارش با ضریب همبستگی 88/99 درصد جهت پیش بینی انتخاب شد. برای پیش بینی بارش با عناصر اقلیمی از بین 7 مولفه اثرگذار، مولفه ی دوم بارشی-دمایی در رگرسیون به احتمال 100 درصد و در سیستم عصبی به احتمال 7/99 درصد موفق بود.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.