%46تخفیف

تاثیر سیگنال‌های اقلیمی بزرگ مقیاس بر بارش در حوزه آبخیز مهارلو- بختگان

تعداد 139 صفحه فایل Word

چکیده

ایران کشوری است با اقلیم خشک و نیمه خشک که در سالیان اخیر با خشکسالی‌های زیادی در مناطق مختلف خود مواجه بوده است، بنابراین توجه به مقدار بارش و پیش‌آگهی از آن در برنامه‌ریزی منابع آب، مدیریت کشاورزی و خشکسالی‎ها مهم است. در این تحقیق بعد از انتخاب موثرترین شاخص‎های اقلیمی با روش تجزیه مولفه‌های اصلی، تاثیر سیگنال‎های اقلیمی بزرگ مقیاس بر شاخص بارندگی استاندارد (SPI) سالیانه، فصلی و ماهیانه (یک، سه، شش و 12 ماهه) حوزه آبخیز مهارلو-بختگان به صورت همزمان و با تاخیر توسط روش‎های آماری (ضریب همبستگی متقاطع و پیرسون) مورد بررسی قرار گرفت و سپس با استفاده از مدل‎های رگرسیون گام به گام، سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی مصنوعی اقدام به پیش‎بینی سری زمانی SPI تا 2، 4، و 12 گام روبه جلو به ترتیب در مقیاس سالیانه، فصلی و ماهانه شد. نتایج همبستگی متقاطع نشان داد که بیشتر شاخص‎ها با تاخیر زمانی مختلف با شاخص بارندگی استاندارد معنادار شده‎اند. در بررسی فصل به فصل سیگنال‎ها با شاخص بارندگی استاندارد با استفاده از ضریب همبستگی پیرسون مشخص شد که سیگنال‎های اقلیمی فصل بهار و تابستان ارتباط معنی‎داری با SPI ندارند. مقایسه نتایج پیش‎بینی  SPI توسط سه مدل رگرسیون گام به گام، سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی مصنوعی حاکی از عملکرد بهتر مدل شبکه عصبی مصنوعی نسبت به دو مدل دیگر است. به طوریکه این مدل در بیشتر پیش‎بینی‎ها در یک گام به جلو بهترین عملکرد را نشان داد.

 

کلمات کلیدی: شاخص بارندگی استاندارد، سیگنال‎های بزرگ مقیاس اقلیمی، رگرسیون گام به گام، سیستم استنتاج فازی-عصبی تطبیقی، شبکه عصبی مصنوعی

 

فهرست مطالب

عناوین                                                                                                                     صفحه

1-1 مقدمه. 2

1-1-1 فرضیات.. 3

1-1-2 ضرورت انجام طرح مورد نظر. 3

1-1-3 اهداف.. 4

1-2 کلیات تحقیق.. 5

1-2-1 شاخص بارندگی استاندارد (SPI) 5

1-2-2 سیگنال‎های بزرگ مقیاس اقلیمی.. 6

1-2-2-1 تقسیم‎بندی سیگنال‎های بزرگ مقیاس اقلیمی.. 6

1-2-2-2 نوسان اقیانوس اطلس شمالی.. 9

1-2-2-3 اقیانوس آرام آمریکای شمالی.. 11

1-2-2-4 نوسانات منجمد شمالی.. 11

1-2-2-5 نوسانات دهه‎ای اقیانوس آرام. 13

1-2-2-6 الگوی دمایی اقیانوس آرام. 14

1-2-2-7 الگوی دمایی اقیانوس اطلس… 15

1-2-2-8 پدیده انسو. 15

1-2-2-9 شاخص انسو. 17

1-2-2-10 شاخص چند متغییره انسو. 18

1-2-3 سیستم استنتاج فازی-عصبی تطبیقی(ANFIS) 18

1-2-3-1 محدودیت‎های ANFIS.. 21

1-2-4 شبکه عصبی مصنوعی.. 21

1-2-4-1 ساختار شبكه عصبي.. 22

1-2-4-2 شبكه پرسپترون چند لايه (MLP) 23

1-2-4-3 توابع محرك… 24

1-2-4-4 آموزش در شبكه‎هاي پرسپترون چند لايه. 25

1-2-5 توابع هدف مورد استفاده برای بهینه سازی مدل‎ها 26

2-1 مطالعات انجام شده در جهان.. 28

2-2 مطالعات انجام شده در ایران.. 33

3-1 منطقه مورد مطالعه. 37

3-1-1 حوزه آبخیز مهارلو – بختگان.. 37

3-1-2 ایستگاه‎های هواشناسی حوزه مهارلو – بختگان.. 38

3-2 آمار و اطلاعات.. 38

3-2-1 آمار بارندگی.. 38

3-2-1-1 شاخص بارندگی استاندارد (SPI) 40

3-2-2 سیگنال‎های اقلیمی.. 41

3-3  تحلیل عاملی و انتخاب موثرترین شاخصهای اقلیمی.. 41

3-4 بررسی همبستگی بین شاخص‎های اقلیمی با بارش… 42

3-4-1 روش همبستگی متقاطع. 42

3-4-2 ضریب همبستگی پیرسون.. 43

3-5 محاسبه رگرسیون گام به گام. 43

3-6 استاندارد سازی سری زمانی SPI و شاخص‎های اقلیمی قبل از ورود به مدل سیستم استنتاج فازی-عصبی تطبیقی و شبکه پرسپترون چندلایه  44

3-7 پیشبینی سری زمانی SPI با استفاده از مدل ANFIS.. 44

3-8 پیشبینی سری زمانی SPI با استفاده از مدل شبکه عصبی پرسپترون چند لایه. 45

3-9 معیارهای ارزیابی و مقایسه عملکرد مدلها در پیشبینی سری زمانی SPI. 46

4-1 نتایج.. 50

4-1-1 پایش شاخص بارندگی استاندارد. 50

4-1-2 نتایج تحلیل عاملی و انتخاب موثرترین شاخصهای اقلیمی.. 52

4-1-3 نتایج بررسی همبستگی بین شاخص‎های اقلیمی با بارش… 55

4-1-3-1 نتایج بررسی ارتباط بین شاخص بارندگی استاندارد و سیگنال‎های اقلیمی در مقیاس سالیانه: 55

4-1-3-2 نتایج بررسی ارتباط بین شاخص بارندگی استاندارد و سیگنال‎های اقلیمی در مقیاس فصلی.. 57

4-1-3-3 نتایج همبستگی متقاطع بین شاخص بارندگی استاندارد و سیگنال‎های اقلیمی در مقیاس ماهیانه. 60

4-1-4 پیشبینی سری زمانی SPI با استفاده از مدل رگرسیون.. 64

4-1-4-1 نتایج پیش‎بینی سری زمانی SPI با استفاده از معادله رگرسیون در مقیاس زمانی سالیانه. 65

4-1-4-2 نتایج پیش‎بینی سری زمانی SPI با استفاده از معادله رگرسیون در مقیاس زمانی فصلی.. 65

4-1-4-3 نتایج پیش‎بینی سری زمانی SPI با استفاده از معادله رگرسیون در مقیاس زمانی ماهیانه. 66

4-1-4-4 بررسی نرمال بودن خطاهای معادلات رگرسیونی.. 67

4-1-5 پیش‌بینی سری زمانی SPI با استفاده از مدل ANFIS.. 72

4-1-5-1 نتایج مدل ANFIS در پیشبینی سری زمانی SPI. 74

4-1-6 پیش‌بینی سری زمانی SPI با استفاده از شبكه پرسپترون چند لايه (MLP) 83

4-1-6-1 نتایج شبکه عصبی (MLP) در پیشبینی سری زمانی SPI. 86

4-1-7 مقایسه دقت نتایج پیش‎بینی سری زمانی SPI با استفاده از رگرسیون، مدل سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) و شبکه عصبی (MLP) 95

5-1 بحث.. 110

5-2 نتیجه‎گیری.. 117

پیشنهادات.. 121

منابع.. 123

فهرست جداول

عناوین                                                                                                                     صفحه

    جدول 1-1 مقياس طبقه‌بندي SPI (احمديان طبسي و همكاران، 1384) 5

جدول 1-2 تقسیم بندی شاخص‎های اقلیمی (2012 NOAA,) 7

جدول 3-1 مشخصات ایستگاه‎های هواشناسی مورد بررسی در حوزه آبخیز مهارلو- بختگان.. 38

جدول 3-2 ضریب تغییرات و میانگین بارش سالیانه، فصلی و ماهانه حوضه. 40

جدول 3-3 کلاس بندی روش SPI (مککی و همکاران، 1993) 41

جدول4-1 درصد واریانس و مقادیر ویژه عامل‎های مختلف.. 53

جدول 4-2 ماتریس عاملی دوران یافته. 54

جدول 4-3 ضریب همبستگی متقاطع بین سری زمانی SPI و سیگنال اقلیمی در مقیاس سالیانه. 56

جدول 4-4 ضریب همبستگی متقاطع بین سری زمانی SPI و سیگنال اقلیمی در مقیاس فصلی.. 58

جدول 4-5 ضریب همبستگی پیرسون بین SPI فصل پاییز و شاخص‎های اقلیمی سه و چهار فصل قبل.. 60

جدول 4-6 ضریب همبستگی پیرسون بین SPI فصل زمستان و شاخص‎های اقلیمی همزمان و سه فصل قبل.. 60

جدول 4-7 ضریب همبستگی متقاطع بین سری زمانی SPI و سیگنال اقلیمی در مقیاس یک ماهه. 61

جدول 4-8 ضریب همبستگی متقاطع بین سری زمانی SPI و سیگنال اقلیمی در مقیاس سه ماهه. 62

جدول 4-9 ضریب همبستگی متقاطع بین سری زمانی SPI و سیگنال اقلیمی در مقیاس شش ماهه. 63

جدول 4-10 ضریب همبستگی متقاطع بین سری زمانی SPI و سیگنال اقلیمی در مقیاس دوازده ماهه. 64

جدول 4-11 ضرایب و مدل رگرسیونی بین SPI هر سال با شاخص‎های اقلیمی دو سال پیش… 65

جدول 4-12 ضریب و مدل رگرسیونی شاخص SPI و شاخص‎های اقلیمی.. 65

جدول 4-13 ضریب و مدل رگرسیونی سری زمانی SPI ماهانه و شاخص‎های اقلیمی.. 67

جدول 4-14 عملکرد معادلات رگرسیونی در پیشبینی سریهای زمانی SPI در مقیاس سالیانه، فصلی و ماهانه. 71

جدول 4-15 مقایسه میانگین و واریانس بین مقادیر مشاهدهای و پیشبینی شده سریهای زمانی SPI با استفاده از معادلات رگرسیونی در مقیاس سالیانه، فصلی و ماهانه  72

جدول 4-16 تعداد پارامترهای مورد نیاز برای مدل ANFIS در مقیاس سالیانه، فصلی و ماهانه. 73

جدول 4-17 عملکرد مدل ANFIS در مقیاس زمانی سالیانه و فصلی.. 74

جدول 4-18 مقایسه میانگین و واریانس بین مقادیر مشاهده‎ای و پیش‎بینی شده سری‎های زمانی SPI با استفاده از ANFIS در مقیاس زمانی سالیانه و فصلی   75

جدول 4-19 عملکرد مدل ANFIS در پیش‎بینی سری زمانی SPI فصلی با سیگنال‎های یک تا 4 فصل قبل.. 77

جدول 4-20 مقایسه میانگین و واریانس بین مقادیر مشاهده‎ای و پیش‎بینی شده مدل ANFIS در پیش‎بینی سری زمانی SPI فصلی با سیگنال‎های یک تا 4 فصل قبل   78

جدول 4-21 عملکرد  ANFIS در پیش‎بینی سری زمانی SPI یک، سه، شش و 12 ماهه (12 گام به جلو) 80

جدول 4-22 مقایسه میانگین و واریانس بین مقادیر مشاهده‎ای و پیش‎بینی شده مدل ANFIS در پیش‎بینی سری زمانی SPI یک، سه، شش و 12 ماهه (12 گام به جلو) 82

جدول 4-23 تاثیر تعداد نرون میانی در پیش‌بینی سری زمانی SPI سالیانه (یک گام به جلو) با استفاده شبکه عصبی.. 85

جدول 4-24 عملکرد مدل مدل شبکه عصبی (MLP) در مقیاس زمانی سالیانه و فصلی.. 86

جدول 4-25 مقایسه میانگین و واریانس بین مقادیر مشاهده‎ای و پیش‎بینی شده سری‎های زمانی SPI با استفاده از مدل شبکه عصبی (MLP) در مقیاس زمانی سالیانه و فصلی.. 87

جدول 4-26 عملکرد مدل شبکه عصبی (MLP) در پیش‎بینی سری زمانی SPI فصلی با سیگنال‎های یک تا 4 فصل قبل.. 89

جدول 4-27 مقایسه میانگین و واریانس بین مقادیر مشاهده‎ای و پیش‎بینی شده مدل شبکه عصبی (MLP) در پیش‎بینی سری زمانی SPI فصلی با سیگنال‎های یک تا 4 فصل قبل.. 90

جدول 4-28 عملکرد مدل شبکه عصبی (MLP) در پیش‎بینی سری زمانی SPI یک، سه، شش و 12 ماهه (12 گام به جلو) 92

جدول 4-29 مقایسه میانگین و واریانس بین مقادیر مشاهده‎ای و پیش‎بینی شده مدل شبکه عصبی (MLP) در پیش‎بینی سری زمانی SPI یک، سه، شش و 12 ماهه (12 گام به جلو) 94

فهرست اشکال

عناوین                                                                                                                     صفحه

    شکل 1-1 فازهای مثبت و منفی شاخص نائو (NOAA, 2012) 10

شکل 1-2 اثرات فازهای منفی (الف) و مثبت (ب) الگوی نوسان قطبی (AO) بر روی اقلیم کره زمین.. 13

شکل 1-3 مناطق مختلف اندازه‎گیری شاخص‎های دمای سطح اقیانوس آرام. 14

شکل 1-4 مدل ریزنمایی شده فازهای مختلف پدیده انسو (2004Mc Phaden, ) 16

شکل 1-5 نوسانات ماهانه شاخص  (SOI) از 1967 تا 2009. 17

شکل 1-6 معماري مدل ANFIS (2010 (Kurtulus and Razack, 19

شکل 1-7 ساختار كلي يك شبكه عصبي مصنوعي (عبقری، 1387) 22

شکل1-8 ساختار كلي شبكه عصبي پرسپترون چند لايه. 24

شکل 1-9 توابع محرك رايج در شبكه‎هاي پرسپترون چند لايه (MLP) 25

شکل 3-1 نقشه حوزه آبخیر مهارلو-بختگان و خطوط همباران.. 37

شکل 3-2 موقعیت ایستگاه‎های مورد بررسی در حوزه آبخیر مهارلو-بختگان.. 39

شکل 3-3 متوسط بارش سالیانه، فصلی و ماهانه حوضه آبخیز مهارلو – بختگان.. 39

شکل 3-4 نمودار تیلر. 48

شکل 4-1 سری زمانی SPI در مقیاس زمانی سالیانه، فصلی، یک ماهه، سه ماهه، شش ماهه و دوازده ماهه. 51

شکل 4-2 درصد فراوانی شدت خشکسالی و ترسالی طبقات مختلف در مقیاس زمانی سالیانه، فصلی و ماهانه. 52

شکل 4-3 نمودار اسکری‎گراف برای تعیین تعداد عامل‎ها 54

شکل 4-4 همبستگی سالیانه بین شاخص AMO، AMM، NTA و TNA با SPI در دوره زمانی (2009-1967) 57

شکل 4-5 همبستگی فصلی بین شاخص TNA و SPI در دوره زمانی (2009-1967) 59

شکل 4-6 همبستگی متقاطع بین شاخص SPI دوازده ماهه و NINO4  با 48 گام تاخیر. 64

شکل 4-7  هيستوگرام و نمودار P-P جهت بررسي نرمال بودن خطا معادله رگرسیون در مقیاس سالیانه. 68

شکل 4-8 هيستوگرام و نمودار P-P جهت بررسي نرمال بودن خطا معادله رگرسیون در مقیاس فصلی.. 69

شکل 4-9 هيستوگرام و نمودار P-P جهت بررسي نرمال بودن خطا معادله رگرسیون در مقیاس ماهانه. 70

شکل 4-10 شمای مدل سیستم استنتاج فازی-عصبی تطبیقی طراحی شده با 5 تابع عضویت.. 73

شکل 4-11 مقایسه نتایج مدل نروفازی با سری مشاهداتی در مقیاس سالیانه (دو گام به جلو ) 75

شکل 4-12 مقایسه نتایج مدل نروفازی با سری مشاهداتی در مقیاس فصلی  (4 گام به جلو) 75

شکل 4-13 عملکرد مدل ANFIS در پیشبینی سری زمانی SPI در مقیاس زمانی یک ماهه. 79

شکل 4-14 پیش‎بینی سری زمانی SPI 12 ماهه به جلو با مدل ANFIS در مقیاس زمانی یک گام به جلو. 79

شکل 4-15 مقایسه عملکرد مدل شبکه عصبی (MLP) در تعداد نرون‎های میانی مختلف در پیش‌بینی سالیانه (یک گام به جلو) 84

شکل 4-16 شمای شبکه طراحی در پیش‌بینی سالیانه (یک گام به جلو) 86

شکل 4-17 مقایسه پیش‎بینی شبکه عصبی (MLP) و سری SPI مشاهداتی فصل زمستان (یک گام به جلو) 88

شکل 4-18 عملکرد شبکه عصبی (MLP) در پیشبینی سری زمانی SPI در مقیاس زمانی یک ماهه. 91

شکل 4-19 مقایسه پیش‌بینی شبکه عصبی و داده‎های مشاهداتی در مقیاس زمانییک ماهه (4 گام به جلو) 93

شکل 4-20  مقایسه مقادیر RMSE و R حاصل از مدل‎سازی مدل‎های رگرسیون، سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی (MLP) را در مقیاس سالیانه (تا دو گام به جلو) 96

شکل 4-21  مقایسه مدل‎سازی مدل‎های رگرسیون، سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی (MLP) توسط نمودار تیلر در مقیاس سالیانه (تا دو گام به جلو) 97

شکل 4-22 مقایسه مقادیر RMSE و R حاصل از مدل‎سازی مدل‎های رگرسیون، سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی (MLP) در مقیاس فصلی (4 گام به جلو) 97

شکل 4-23  مقایسه مدل‎سازی مدل‎ رگرسیون، سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی (MLP) توسط نمودار تیلر در مقیاس فصلی (4 گام به جلو) 98

شکل 4-24  مقایسه مقادیر RMSE و R حاصل از مدل‎سازی رگرسیون، مدل سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی (MLP) در مقیاس زمانی فصل به فصل (با سیگنال‎های اقلیمی تا 4 فصل قبل) 101

شکل 4-25  مقایسه مدل‎سازی مدل‎ رگرسیون، سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی (MLP) توسط نمودار تیلر در مقیاس فصل به فصل (4 گام به جلو) 103

شکل 4-26 مقایسه مقادیر RMSE و R حاصل از مدل‎سازی مدل سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی (MLP) در مقیاس زمانی ماهانه (یک، سه، شش و دوازده ماهه تا 12 گام به جلو) 106

شکل 4-27  مقایسه مدل‎سازی مدل‎ رگرسیون، سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی (MLP) توسط نمودار تیلر در مقیاس زمانی ماهانه (یک، سه، شش و دوازده ماهه تا 12 گام به جلو) 108

1 دیدگاه برای تاثیر سیگنال‌های اقلیمی بزرگ مقیاس بر بارش در حوزه آبخیز مهارلو- بختگان

  1. Sheree

    Wow, amazing blog layout! How lengthy have you been blogging for?
    you made running a blog look easy. The entire look of your site is excellent, as neatly as the content material!
    You can see similar here ecommerce

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo