5 نتیجه برای پیش بینی
طوبی علیزاده، مجید رضایی بنفشه، غلامرضا گودرزی، هاشم رستم زاده،
دوره 0، شماره 0 - ( 1-1300 )
چکیده
گرد و غبار پدیده ای است که آثار زیست محیطی زیادی را در بخش های مختلف زندگی انسان ها از جمله: کشاورزی، اقتصاد، بهداشت و غیره دارد. هدف از پژوهش حاضر بررسی و پیش بینی پدیده گرد و غبار در شهر کرمانشاه می باشد. داده های هواشناسی با وضوح 3 ساعته در دوره آماری (2020-2000) ایستگاه کرمانشاه از سازمان هواشناسی کشور اخذ شد. ابتدا داده های گرد و غبار نرمال سازی شد و سپس با استفاده از مدل های شبکه عصبی ANN برای پیش بینی غلظت گرد و غبار و شبکه عصبی تطبیقی ANFIS برای خطایابی و پیش بینی سری زمانی وقوع گرد و غبار در نرم افزار MATLAB خطایابی و پیش بینی شدند. یافته های پژوهش نشان داد که حداکثر میزان غلظت گرد و غبار پیش بینی شده مربوط به حداقل نقطه شنبم با بیشترین میزان همبستگی پیرسون با گرد و غبار، به میزان 23/3451 میکروگرم بر مترمکعب برآورد شده است. همچنین نتایج پیش بینی سری زمانی با استفاده از مدل ANFIS نشان داد تابع عضویت زنگوله ای خطی با درجه 3، در مراحل آموزش و آزمون، مطلوب ترین تابع ورودی را در بین دیگر توابع عضویت به خود اختصاص داده است. بر اساس مدل های پیش بینی، بیشترین احتمال رخداد حداکثر گرد و غبار در 20 سال آینده کرمانشاه با مقدار 94% به دست آمد.
آرش ملکیان، مه رو ده بزرگی، امیر هوشنگ احسانی،
دوره 15، شماره 36 - ( 3-1394 )
چکیده
خشکسالی یکی از مخرب ترین بلایای طبیعی در جوامع بشری محسوب می شود که می تواند تاثیرات جبران ناپذیر کشاورزی، زیست محیطی، اجتماعی و اقتصادی به همراه داشته باشد. بنابراین آگاهی از وقوع خشکسالی می تواند در کاهش خسارات موثر باشد. در این پژوهش، به منظور مدلسازی و شبیه سازی شدت خشکسالی در طول یک دوره آماری 37 ساله (1350- 1386) در 21 ایستگاه بارانسنجی واقع در ناحیه نیمه خشک سرد شمال غربی ایران از شبکه عصبی مصنوعی بهره گرفته شد. داده های ورودی به شبکه شامل میانگین بارش سالیانه و نیز شاخص دهک بارش سالیانه برای تمامی ایستگاه ها بوده که 80% داده ها برای آموزش شبکه (1350-1379) و20% باقیمانده برای تست و اعتبار سنجی شبکه (1380-1386) انتخاب گردید. سپس عمل پیش بینی خشکسالی توسط الگوریتم آموزش دیده شده توسط شبکه عصبی مصنوعی و بدون استفاده از داده های واقعی و مشاهداتی، برای سال های 1387 تا 1391صورت گرفت. معماری مطلوب شبکه به صورت مدل پرسپترون با سه لایه پنهان، الگوی پس انتشار خطا و تابع محرک سیگموئید به همراه 10 نرون در لایه میانی انتخاب گردید. نتایج حاصله نشان داد که شبکه عصبی مصنوعی به خوبی قادر به پیش بینی روابط غیر خطی بارش و خشکسالی بوده بطوریکه با همبستگی بیشتر از 97% و خطای کمتر از 5% مقادیر شاخص دهک بارش را پیش بینی نموده و نتایج حاصل از این پیش بینی بطور زیادی منطبق با مقادیر واقعی می باشد. از این رو با استفاده از این روش می توان وضعیت خشکسالی را در سال های آتی پیش بینی کرده و در مدیریت و بهره وری منابع آب و نیز مدیریت خشکسالی و تغییرات اقلیمی از این روش بهره جست.
رحمان زندی، نجمه شفیعی، ابراهیم اکبری، علی حاجی زاده شیخوانلو،
دوره 23، شماره 71 - ( 10-1402 )
چکیده
پارامترهای طبیعی یکی از عوامل اصلی و تعیین کننده جهات توسعه فیزیکی شهرها و سکونتگاه‌ها محسوب میشوند. در یک منطقه کوهستانی تاثیر این عوامل به عنوان موانع توسعه دوچندان شده و میتواند مخاطرات طبیعی را نیز به همراه داشته باشد. در این پژوهش سعی شده با شناسائی عوامل تاثیرگذار و ارزیابی آن، جهات بهینه توسعه فیزیکی شهر نورآباد به عنوان یک منطقه نسبتاکوهستانی، مشخص شود. برای دستیابی به این مهم از 7 شاخص موثر(ارتفاع، شیب، جهت شیب، لیتولوژی، فاصله از گسل فاصله از آبراهه،) استفاده شده و برای ارزیابی، مدل سازی و پیش بینی نواحی مناسب توسعه کالبدی شهر ازداده های تصاویر ماهواره ای لندست و از مدل های-FUZZY - AHP و ماکوف و پیش بینی مارکوف استفاده شده است. به طوری که هرکدام از لایهها با توجه به توابع عضویتی فازی در نرم افزار GIS Arc 10.3 فازی شده اند. مقایسه تحلیلی روی پهنههای مناسب وضع موجود شهر بر اساس نقاط بحرانی با پهنههای مناسب در نهایت نقشه نهایی با2 مدل مذکور به 5 کلاس طبقه بندی گردید نتایج حاصل از پژوهش نشان داد که تا افق 1404 شهر به سمت شرق توسعه می یابد در حالی که این مسیر توسعه مسیر مناسبی نمی باشد به علت وجود گسل اصلی کازرون و آبراهه اصلی مهمترین عوامل مخاطره آمیز در محدوده شهر به حساب می آید بهترین مکان برای توسعه شهر مناطق غربی و جنوب غربی منطقه می باشد که این محدوده 13% از مساحت حوضه را در بر می گیرد.
سعید جهانبخش اصل، علی محمد خورشیددوست، فاطمه عباسی قصریک، زهرا عباسی قصریک،
دوره 24، شماره 75 - ( 10-1403 )
چکیده
ارزیابی و پیش بینی تغییرات اقلیمی در آینده به دلیل اثرات سوء آن بر منابع آبی و محیط طبیعی و همچنین دارا بودن اثرات زیست محیطی، اقتصادی و اجتماعی از اهمیت ویژهای برخوردار است. در این میان، بارش نیز از عناصر مهم اقلیمی محسوب می شود که در شرایط مازاد، خسارات فراوانی را به بار می آورد. استان آذربایجان غربی نیز از این خسارات مستثنی نیست. هدف پژوهش حاضر مدلسازی و پیش بینی بارش 30 ساله در استان آذربایجان غربی است. دوره آماری مورد مطالعه 32 سال (2019-1987) می باشد. ایستگاه های منتخب در سطح استان شامل ایستگاه های ارومیه، پیرانشهر، تکاب، خوی، سردشت، مهاباد و ماکو می باشند. از مدل های سری زمانی میانگین لغزان، ساریما (آریمای فصلی)، هلت وینترز برای تجزیه و تحلیل و پیش بینی استفاده شد و همچنین برای تعیین روند داده ها از رگرسیون خطی و آزمون من-کندال بهره گرفته شد. نتایج نشان دهنده روند افزایشی بارش در ایستگاه های ارومیه، پیرانشهر، خوی، سردشت و ماکو و روند کاهشی در دو ایستگاه تکاب و مهاباد می باشند. با توجه به نتایج حاصل از مقایسه مدل های مورد استفاده، مدل هلت وینترز با دارای بودن حداقل خطا در میانگین مطلق انحرافات، میانگین مجذور انحرافات و درصد میانگین مطلق خطاها بهترین مدل پیش بینی بارش برای استان آذربایجان غربی معرفی شد.
زینب مخیری، ابراهیم فتاحی، رضا برنا،
دوره 25، شماره 76 - ( 1-1404 )
چکیده
برای انجام این پژوهش ابتدا داده‌‌های مشاهده‌‌ای بارش ماهانه سینوپتیک و هیدرومتریک از سازمان هواشناسی کشور و وزارت نیرو طی دوره 30 ساله (1976-2005) اخذ شد. برای بررسی چشم‌انداز تغییرات بارش در آینده، داده‌‌های تاریخی دوره (1976-2005) و داده‌‌های شبیه‌سازی‌شده اقلیمی دوره (2050-2021) با استفاده از دو مدل GFDL-CM3)، (CSIRO-Mk3.6 ازسری مدل‌های (CMIP5) و طبق 4 سناریوی RCP2.6)، RCP4.5، RCP6 و RCP8.5 که با قدرت تفکیک مکانی 5/0*5/0 با روش BCSD در دسترس می‌‌باشند استفاده شده است. برای اصلاح اریبی موجود در برون داد مدل‌های مذکور، استراتژی Mean-based (MB)) بکار رفته است. نتایج عملکرد مدل‌های AOGCM نشان داد برای شبیه‌‌سازی بارش در حوضه کارون بزرگ ضریب خطای مدل CSIRO-Mk3.6 کمتر از مدل GFDL-CM3 بوده است. میانگین بارش آتی (2021-2050) در کل حوضه نسبت به میانگین بارش مشاهداتی در طول دوره آماری 1976-2005 نشان می‌دهد، در هر دو مدل و سناریوها در دو حوضه از نظر مقدار و مساحت پهنه بارشی در حال کاهش محسوس است. بیشینه بارش‌‌ها در حوضه کارون بزرگ در تمامی سناریوها و مدل‌‌ها در شرق حوضه متمرکز بوده است. بیشترین بارش را مناطق کوهپایه‌‌ای مرکزی دریافت کرده است. کمترین دریافت بارش جنوب غرب و جنوب شرق است. نتایج نهایی پژوهش حاضر 83-116 میلی‌متر کاهش بارش نسبت به میانگین مشاهداتی حوضه کارون بزرگ پیش‌بینی می‌شود. هردو مدل ارائه شده، بیشترین کاهش بارش حوضه کارون بزرگ دو سناریوی rcp4.5 و rcp2.6 پیش‌بینی می‌شود.
