روشنگر, کیومرث, قاسم پور, رقیه. (1399). بهبود پیش بینی بارش ماهانه با استفاده از مدل تلفیقی بر پایه روش کرنل- تبدیل موجک و تجزیه ی یکپارچه مد تجربی کامل. نشریه مهندسی عمران امیرکبیر, 52(10), 2649-2660. doi: 10.22060/ceej.2019.16043.6109
کیومرث روشنگر; رقیه قاسم پور. "بهبود پیش بینی بارش ماهانه با استفاده از مدل تلفیقی بر پایه روش کرنل- تبدیل موجک و تجزیه ی یکپارچه مد تجربی کامل". نشریه مهندسی عمران امیرکبیر, 52, 10, 1399, 2649-2660. doi: 10.22060/ceej.2019.16043.6109
روشنگر, کیومرث, قاسم پور, رقیه. (1399). 'بهبود پیش بینی بارش ماهانه با استفاده از مدل تلفیقی بر پایه روش کرنل- تبدیل موجک و تجزیه ی یکپارچه مد تجربی کامل', نشریه مهندسی عمران امیرکبیر, 52(10), pp. 2649-2660. doi: 10.22060/ceej.2019.16043.6109
روشنگر, کیومرث, قاسم پور, رقیه. بهبود پیش بینی بارش ماهانه با استفاده از مدل تلفیقی بر پایه روش کرنل- تبدیل موجک و تجزیه ی یکپارچه مد تجربی کامل. نشریه مهندسی عمران امیرکبیر, 1399; 52(10): 2649-2660. doi: 10.22060/ceej.2019.16043.6109

بهبود پیش بینی بارش ماهانه با استفاده از مدل تلفیقی بر پایه روش کرنل- تبدیل موجک و تجزیه ی یکپارچه مد تجربی کامل

نشریه مهندسی عمران امیرکبیر
مقاله 17، دوره 52، شماره 10، دی 1399، صفحه 2649-2660    اصل مقاله (2.12 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22060/ceej.2019.16043.6109
نویسندگان
کیومرث روشنگر* 1؛ رقیه قاسم پور2
1گروه مهندسی آب، دانشگاه تبریز، ایران
2مهندسی و مدیریت منابع آب،دانشکده عمران، دانشگاه تبریز
چکیده
بارش یکی از مهم‌ترین اجزای چرخة آب بوده و در سنجش خصوصیات اقلیمی هر منطقه، نقش بسیار مهمی ایفا می‌کند. تخمین مقادیر بارش ماهانه برای اهداف مختلفی چون برآورد سیلاب، خشکسالی، برنامه‌ریزی آبیاری و مدیریت حوضه‌های آبریز اهمیت زیادی دارد. در تحقیق حاضر، پیشبینی بارش ماهانه ایستگاه تبریز با استفاده از روش هوشمند رگرسیون فرآیند گاوسی (GPR )بر پایه روش تجزیه ی یکپارچه مد تجربی کامل (CEEMD )و تبدیل موجک (WT ) مورد بررسی قرار گرفته است. در این راستا، مدل‌های متفاوتی بر اساس شاخص‌های پیوند از دور و عناصر اقلیمی تعریف شد و نرخ تأثیر پارامترهای ورودی مختلف مورد بررسی قرار گرفت. نتایج حاصل از تحلیل مدل‌ها قابلیت و کارایی بالای روش به کار رفته را در تخمین میزان بارش ماهانه به خوبی نشان داد. ملاحظه گردید که در پیش بینی بارش ماهانه، شاخص‌های پیوند از دور MEI ,Nino3, NAO و عناصر اقلیمی شامل میانگین دمای ماهانه و رطوبت نسبی و همچنین بارش مربوط به ماه های گذشته در پیش بینی مقادیر بارش تاثیرگذار بوده و موجب بهبود نتایج مدل‌ها می‌گردد. در بررسی روش‌های تجزیه ی یکپارچه مد تجربی کامل و تبدیل موجک گسسته مشاهده گردید که تجزیه بر اساس تبدیل موجک منجر به نتایج دقیق‌تری می‌گردد. بهترین حالت ارزیابی برای داده های آزمون با استفاده از تجزیه‌ی تبدیل موجک در حالت مدل‌سازی بر اساس داده‌های اقلیمی و عناصر پیوند از دور با مقادیر0/889= R=0/961,DC و 0/036= MSER بدست آمد. همچنین بر اساس نتایج آنالیز حساسیت مشخص گردید که   3-Pt تاثیرگذارترین پارامتر در مدل‌سازی است.
کلیدواژه‌ها
بارش؛ تبدیل موجک؛ عناصر اقلیمی؛ مد تجربی؛ GPR
مراجع
آمار
تعداد مشاهده مقاله: 1,025
تعداد دریافت فایل اصل مقاله: 1,443
پیوندهای مفید
آمار
تعداد نشریات9
تعداد شماره‌ها455
تعداد مقالات5,771
تعداد مشاهده مقاله8,374,832
تعداد دریافت فایل اصل مقاله6,933,005