پیش بینی بارندگی با استفاده مستقیم از نظریه موجک(مطالعه موردی: ایستگاه باران سنجی زرینگل استان گلستان)

پیام:
چکیده:
مدل بندی جبری بارش ها در پریودهای مختلف به دلیل ماهیت تصادفی آن ها از نظر مکانی و زمانی، همواره با مشکلات عدیده ای همراه بوده و عدم قطعیت در پیش بینی ها از اعتبار برآوردها از طریق مدل های مختلف می کاهد. یکی از روش هایی که در سال های اخیر در رابطه با مدل سازی داده های هیدرولوژیکی مورد توجه قرار گرفته است، استفاده از موجک (Wavlet) به عنوان یکی از روش های نوین و بسیار موثر در زمینه تحلیل سیگنال ها و سری های زمانی است. در این روش سیگنال بارندگی با استفاده از موجک مادر منتخب تجزیه شده و داده های حاصل از تجزیه با معادلات مناسب برازش می یابد و مدل بدست آمده برای پیش بینی استفاده می شود. روش مذکور در مورد پیش بینی بارندگی ماهانه 33 سال آماری ایستگاه باران سنجی زرینگل با میانگین بارندگی سالانه 808 میلی متر از سال آبی 55-1354 تا 87-1386 به کار گرفته شد. نتایج نشان داد که تجزیه سیگنال با موجک، منجر به ساده تر شدن سیگنال بارندگی می شود. به طوری که همبستگی میان داده های مشاهداتی و محاسباتی 84 درصد به دست آمده و پیش بینی سیگنال بارندگی با دقت بیشتری صورت گرفته است. معنی دار نبودن آزمون F در سطح 90 درصد، تایید کننده نبودن اختلاف معنی دار بین داده های مشاهداتی و محاسباتی است.
زبان:
فارسی
در صفحه:
1217
لینک کوتاه:
magiran.com/p950252 
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!