4 نتیجه برای زنجیره مارکف
سیدجمال الدین دریاباری،
دوره 5، شماره 6 - ( 4-1385 )
چکیده
در این تحقیق با استفاده از داده های بارندگی سالیانه 50 (1995-2004) ساله 26 ایستگاه سینوپتیک کشور، ماتریس احتمال انتقال تجربی پیش بینی خشکسالی برای مناطـق مختلف ایـران تهیه گردید. برای تهیه ماتریس انتقال داده های خشکسالی ابتدا توزیع لوگ نرمال برای داده ها در گروه های مختلف برازش گردید و گروه های متناظر با توجه به وضعیت اقلیمی سال قبل برای هر ایستگاه ایجاد گردید. سپس با محاسبه برآوردهای حداکثر درست نمایی پارامترهای و از توزیع لوگ نرمال به داده های خشکسالی برازش داده شد. و با استفاده از ماتریس احتمال انتقال وضعیت یک و چندمرحلهای ساختار تغییر وضعیت خشکسالی بر اساس وضعیت گذشته و فعلی منطقه موردپیش بینی قرار گرفت که با استفاده از این ماتریس احتمال وقوع خشکسالی با استفاده از بارندگی سال مبنا امکان پیش بینی تا 5 سال امکان پذیر خواهد بود.
محمد سلیقه، بهلول علیجانی، قدیر دل آرا،
دوره 11، شماره 23 - ( 12-1390 )
چکیده
هدف تحقیق تحلیل فضایی بارش فصل مرطوب سال در استان اردبیل می باشد. بدین منظور از مدل زنجیره مارکف استفاده شد. مدل زنجیره مارکف حالت خاصی از مدل هایی است که در آنها حالت خطی یک سیستم به حالتهای قبلی آن بستگی دارد. پس از تهیه داده ها در محدوده استان، مطابقت داده ها با مدل مورد ارزیابی، و سپس رابطه روزهای متوالی دو روزه، سه روزه و... مورد آزمون قرار گرفت. نتایج بدست آمده نشان داد که نسبت دوره های خشک به کل دوره مورد مطالعه بسیار زیاد و دوره های خشک و مرطوب کوتاه مدت بیشتر از دوره های خشک و مرطوب بلند مدت اتفاق می افتد. بارش به جز در ایستگاه خلخال در سایر ایستگاه ها تداوم ندارد، و معمولأ از بارش های کوتاه مدت و منقطع برخوردارند. روابط بین بارشهای متوالی 2 روزه و چند روزه بسیار کم و احتمال هر یک از بارشها ی 1روزه 9/51% ، 2روزه 3/24% ، 3 روزه 7/11% 4روزه 7/5% ، 5روزه 6/2% ، 6روزه 4/1% ، 7روزه 9/0% بوده است.
خدیجه جوان،
دوره 16، شماره 43 - ( 10-1395 )
چکیده
در این پژوهش احتمال تواتر و تداوم روزهای بارانی در حوضه دریاچه ارومیه با استفاده از مدل زنجیره مارکف مرتبه اول مورد بررسی قرار گرفت. بدین منظور از دادههای بارش روزانه 7 ایستگاه سینوپتیک حوضه دریاچه ارومیه در بازه زمانی 2014- 1995 استفاده شد. پس از تعیین روزهای بارانی (بارش بیشتر از صفر میلیمتر) و خشک (صفر میلیمتر)، انطباق زنجیره مارکف مرتبه اول بر سری دادهها با استفاده از آزمون در سطح معنیداری 01/0=a بررسی و مورد تایید واقع شد. پس از تشکیل ماتریس احتمال انتقال، احتمال تعادل، میانگین تداوم روزهای خشک و بارانی و سیکل هوایی محاسبه شد سپس با محاسبه فراوانی روزهای بارانی دو تا ده روزه، احتمال وقوع این دورهها و دوره بازگشت بارشهای 2 تا 5 روزه محاسبه گردید. نتایج نشان داد که در دوره مورد مطالعه به طور میانگین 25 درصد روزها همراه با بارندگی بوده و در حالتهای انتقال شرطی بارندگی، احتمال وقوع حالت Pdd بیشتر از سایر حالتها (Pww ، Pdw و Pwd) است. میانگین تداوم روزهای بارانی در حوضه در حدود دو روز برآورد گردید. در کل، در تمام ایستگاهها احتمال تعادل حالت خشک بیشتر از حالت بارانی بود. برآورد فراوانی و احتمال وقوع دورههای بارانی دو تا ده روزه و دوره بازگشت آنها نشان داد که با افزایش طول دورهها، از فراوانی روزهای بارانی کاسته شده و با افزایش طول دورههای بارانی، احتمال وقوع آنها کاهش و دوره بازگشت آن نیز افزایش یافته است.
غلامرضا اسدالله فردی، حسین زنگوئی،
دوره 17، شماره 47 - ( 10-1396 )
چکیده
مدیریت ذرات معلق یکی از موارد مهم در کنترل آلودگی شهرها محسوب میشود. این ذرات باعث ایجاد و توسعه بیماری های قلبی و تنفسی مختلف در افراد میگردد. شهر مشهد به عنوان یکی از شهرهای اصلی و پرجمعیت ایران با توجه به شرایط اقلیمی و همچنین توریستی بودن، بیش از هر چیزی در معرض خطر این نوع آلودگی قرار دارد. در این تحقیق سعی شده با استفاده از مدلهای پرسپترون شبکه های عصبی مصنوعی و مدل زنجیره مارکوف غلظت PM10 پیشبینی و تحلیل گردد. برای این منظور از دادههای ساعتی CO، SO2، PM2.5 و دما برای دو ماه فروردین و اردیبهشت در سال 1394 استفاده شد. از مجموع 1488 سری داده، 1300 داده برای آموزش شبکه و 188 داده جهت صحتسنجی استفاده گردید. نتایج نشاندهنده عملکرد مطلوب این روشها در پیشبینی میزان آلاینده و همچنین احتمال وقوع ساعات با کیفیتهای مختلف آلودگی بود. بهترین مدل پرسپترون میزان آلاینده ذرات معلق را با ضریب همبستگی 88/0، شاخص تطابق 91/0، میانگین بایاس خطای 0874/0 و جذر میانگین مربعات خطای 26/2 پیشبینی نمود، همچنین مدل مارکوف با خطای مطلق متوسط حدود 1/0 درصد احتمالات انتقال وضعیت و تداوم وضعیتهای مختلف آلودگی هوای ناشی از ذرات معلق را پیشبینی نمود.