کاربرد و ارزیابی توانایی توابع مفصل در تخمین بارش روزانه در شرق حوضه دریاچه ارومیه
محل انتشار: دو فصلنامه آب و توسعه پایدار، دوره: 9، شماره: 4
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 138
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WSD-9-4_005
تاریخ نمایه سازی: 28 فروردین 1402
چکیده مقاله:
استفاده از سری داده های صحیح و بدون داده گم شده، شرط لازم برای انجام بیشتر مطالعات آماری و هیدرولوژیکی است. با توجه به اهمیت بارش به عنوان یکی از مهمترین متغیرهای اقلیمی و هیدرولوژیکی، در این پژوهش به منظور پیش بینی بارش روزانه تبریز، از توابع مفصل استفاده شده و نتایج آن با روش های هوشمند و آمار کلاسیک مقایسه شد. به منظور پیش بینی بارش در ایستگاه تبریز، از داده های بارش ایستگاه های سراب، سهند و مراغه نیز به عنوان ایستگاه های کمکی استفاده شد. بر اساس نتایج به دست آمده در بین همه روش های مورد بررسی، روش مدل درخت با مقادیر RMSE معادل ۳/۱۴ میلی متر و MAD معادل ۲/۱۳ میلی متر و روش جنگل تصادفی با مقادیر RMSE معادل ۵/۱۸ میلی متر و MAD معادل ۳/۰۴ میلی متر به ترتیب بیشترین و کمترین دقت را در برآورد رویدادهای بارش دارند. در میان مفصل های ارشمیدسی، تابع گامبل مقادیر RMSE و MAD به ترتیب ۳/۸۹ و ۲/۵۱ میلی متر می باشد. از آنجاییکه محدوده خطای داده های تخمینی بهدست آمده از توابع مفصل بسیار نزدیک به سایر روش ها می باشد؛ باتوجهبه قابلیت های توابع مفصل از جمله توانایی اعمال شرطهای متعدد و ماهیت احتمالاتی آن، که رفتار پدیده را در نظر می گیرد، می توان گفت در شرایط مشابه توانایی توابع مفصل در برآورد داده های گمشده پدیده های احتمالاتی مانند بارندگی مناسب است.
کلیدواژه ها:
نویسندگان
محمد خالدی علمداری
دانشجوی دکتری تخصصی آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
ابوالفضل مجنونی هریس
دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
احمد فاخری فرد
استاد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :