ریزمقیاس سازی و بررسی عدم قطعیت دو مدل HADCM3 و CSIROMK3.0 با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه گاماسیاب)

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 412

فایل این مقاله در 10 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

KPIP10_432

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

ازآنجاکه پیش بینی وضعیت اقلیم آینده تحت پدیده تغییر اقلیم به طور قطعی ممکن نیست، با به کار بردن یک مجموعه از اجراهای مختلف در مدل کردن اثرات تغییر اقلیم می توان این عدم قطعیت را بررسی نمود. در این پژوهش برای ارزیابی عملکرد و شبیه سازی دمای میانگین مربوط به حوزه گاماسیاب از داده های دما میانگین دو مدل HADCM3 و CSIROMK3.0 تحت سناریوی A1B برای سری زمانی 2000-1971 استخراج شد و برای ریزمقیاس سازی از شبکه عصبی مصنوعی استفاده شد. دوره 1995-1971 برای آموزش شبکه و دوره 2000-1996 برای صحت سنجی انتخاب شد. پس از آموزش شبکه و تعیین همبستگی بین داده های مشاهداتی و مدل در دوره 1995-1971، داده های مدل در دوره 2000-1996 برای حوزه ریزمقیاس شدند. بر طبق نتایج، مدل CSIROMK3.0 نسبت به مدل HADCM3 قطعیت بیشتری در شبیه سازی پارامتر اقلیمی دما برای حوزه مربوطه دارد. میانگین دمای مشاهداتی حوزه برای دوره 2000-1996، 13/968 درجه سانتی گراد برآورد شد. این در حالی است که دو مدل CSIROMK3.0 و HADCM3 بر طبق نتایج شبیه سازی شبکه عصبی برای دوره 2000-1996 میانگین دمای حوزه را به ترتیب 13/175 و 12/414 درجه سانتی گراد برآورد کرده اند.

نویسندگان

پارسا حقیقی

کارشناسی ارشد، مهندسی طبیعت، دانشگاه تهران

سهراب نادری

کارشناسی ارشد، آبخیزداری، دانشگاه صنعتی اصفهان

سیدجواد ساداتی نژاد

دانشیار، دانشکده علوم و فنون نوین، دانشگاه تهران