Authors | مهدی امیرابادی زاده,محمد ناظری تهرودی,محمد زینلی |
---|---|
Journal | نشریه هواشناسی و علوم جو |
Page number | ۵۶-۷۶ |
Serial number | ۱ |
Volume number | ۱ |
Paper Type | Full Paper |
Published At | ۲۰۱۸ |
Journal Grade | ISI |
Journal Type | Typographic |
Journal Country | Iran, Islamic Republic Of |
Abstract
پیشبینی تغییرات آب و هوایی کره زمین با استفاده از مقادیر ثبت شده در دوره آماری حاضر نیازمند روشی دقیق بوده که بتوان نوسانات این تغییرات را بهخوبی شناسایی کرده و با الگوگیری از این تغییرات مقادیر پارامتر مورد نظر را برای سالها و یا دورههای آینده پیشبینی نمود. در این مطالعه شش مدل رگرسیون چند متغیره، ANN، SVR، ANFIS، SVM و GP جهت ریزمقیاس نمایی مقادیر متوسط دمای روزانه ایستگاه همدیدی ارومیه با استفاده از 26 پارامتر پیشبینی کننده منتج از گزارش پنجم IPCC مورد بررسی و مقایسه قرار گرفت. مقادیر دمای متوسط روزانه ایستگاه مورد بررسی از تاریخ 12 مارس 1961 (29 اسفند 1384) تا تاریخ 20 دسامبر 2005 (29 آذر 1384) انتخاب گردید. در تمامی روشهای ذکر شده با استفاده از آزمون پیرسون از بین 26 پارامتر پیشبینی کننده ، 16 پارامتر که همبستگی بالایی با مقادیر دمای متوسط روزانه داشته انتخاب گردید. جهت بررسی مقادیر خطای ناشی از مدلسازی از سه معیار ضریب تبیین، مجذور میانگین مربعات خطا و معیار کارایی مدل استفاده شد. نتایج بررسی دقت و میزان خطای مدلها نشان داد که در بین مدلهای هوشمند GP، ANN، ANFIS و SVM، مدل برنامهریزی ژنتیک کمترین مقدار خطا را داشته و در بین مدلهای رگرسیونی (رگرسیون چندمتغیره و رگرسیون بردار پشتیبان) روش رگرسیون بردار پشتیبان، کمترین میزان خطا و بیشترین میزان دقت را در شبیهسازی مقادیر دمای روزانه ایستگاه همدیدی ارومیه داشته است. به طور کلی نتایج شبیهسازی مقادیر دما روزانه نشان دهنده دقیقتر بودن روشهای رگرسیونی نسبت به روشهای هوشمند میباشد. از آنجا که این مطالعه تنها با استفاده از دادههای ایستگاه همدیدی ارومیه انجام گرفته است، لذا نتایج حاصله تنها برای ایستگاه مذکور اعتبار داشته و با اطمینان نمیتوان نتایج را برای تمامی ایستگاهها تعمیم داد.
tags: الگوریتم ژنتیک، دما، دریاچه ارومیه، شبکه عصبی، ماشین بردار پشتیبان، ریزمقیاس نمایی.