مقایسه روش های شبکه ی عصبی مصنوعی و SDSM در ریزمقیاس کردن اندازه ی بارش سالانه-ی شبیه سازی شده با HadCM3 (مطالعه ی موردی: کرمان، راور و رابر)
نویسنده:
چکیده:
امروزه این باور وجود دارد که فعالیتهای انسانی، از جمله تغییر در پوشش و کاربری اراضی، موجب افزایش غلظت گاز های گلخانه ای می گردد، که پیامد آن برهم خوردن توازن کارمایه، گرم شدن اتمسفر، و در نهایت پدیده ی تغییر اقلیم می باشد. پیش بینی بارندگی یکی از مهمترین مسائل در برنامه ریزی و مدیریت منابع آب می باشد. در این پژوهش، اندازه ی بارندگی ایستگاه های کرمان، راور و رابر با استفاده از خروجی های شبیهHadCM3، تحت نمایشنامه ی A2، و از طریق شبیه های ریز مقیاس کننده ی SDSM و شبکه ی عصبی مصنوعی، برای سه دوره ی 2039-2010، 2069-2040 و 2099-2070 میلادی پیش بینی شده است. ابتدا دوره ی آماری 2001-1971، به عنوان دوره ی پایه انتخاب شد. در ادامه، با توجه به معیارهای آماری، نتایج حاصل از دو شبیه مورد ارزیابی و مقایسه قرار گرفتند. یافته ها بیانگر عملکرد بالاتر شبیه شبکه ی عصبی در ایستگاه های کرمان و راور می باشند. اندازه ی بارندگی سالانه در ایستگاه های کرمان، راور و رابر تا سال 2099، در شبیه شبکه ی عصبی به ترتیب 86/12، 68/11 و %39/11 و در شبیه SDSM 89/0، 48/18 و %55/1 نسبت به دوره ی پایه کاهش می یابند.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
25 تا 40
لینک کوتاه:
magiran.com/p1430216
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- 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.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!