بررسی پارامترهای تاثیرگذار در مدلسازی بارش ماهانه با استفاده از مدل های تلفیقی هوشمند مبتنی بر تجزیه سری زمانی
پیش بینی بارش در بسیاری از جنبه های مختلف مدیریت حوضه ها نظیر سیستم های هشدار سیل و خشکسالی اهمیت دارد. تغییرات زمانی و مکانی بارش موجب دشوار شدن پیش بینی بارش می شود. در تحقیق حاضر، پیش بینی بارش ماهانه ایستگاه های ارومیه و ماکو با استفاده از روش های هوشمند مبتنی بر کرنل و بر پایه روش تجزیه یکپارچه مد تجربی (EEMD) و تبدیل موجک (DWT) مورد بررسی قرار گرفته است. بدین منظور، مدل های متفاوتی بر اساس شاخص های پیوند از دور و عناصر اقلیمی شامل بارش، رطوبت و دمای ماه های پیشین تعریف شد و تاثیر این پارامترها در دقت مدلسازی مورد بررسی قرار گرفت. نتایج به دست آمده کارایی بالای روش های ترکیبی به کار رفته را در مدلسازی بارش ماهانه نشان داد. ملاحظه گردید که در پیش بینی بارش ماهانه، استفاده همزمان از شاخص های پیوند از دور و عناصر اقلیمی مربوط به ماه های گذشته موجب بهبود دقت مدل ها تا حدود 35 درصد می شود. بررسی روش های تجزیه یکپارچه مد تجربی و تبدیل موجک گسسته نشان داد که تجزیه سری زمانی بر اساس تبدیل موجک منجر به نتایج دقیق تری می گردد. نتایج آنالیز حساسیت نشان داد که پارامتر بارش با تاخیر سه ماهه تاثیرگذارترین پارامتر در مدل سازی بارش ماهانه می باشد.
- 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.