مطالعه موردی پیش بینی تغییرات میانگین دمافصلی شهرستان الشتر با استفاده ازمدل شبکه عصبی ومدل سری زمانی آریما
نویسندگان
1 رشته آب و هواشناسی گروه جغرافیا، واحد اهواز، دانشگاه آزاد اسلامی، اهواز.
2 عضو هیات علمی گروه جغرافیا، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
3 استادیار، گروه جغرافیا، واحد اهواز، دانشگاه آزاد اسلامی، اهواز.
4 دانشیار، مرکز مطالعات سنجش از دور GIS، دانشگاه شهید بهشتی، تهران.
doi
چکیده
پیش نگری روند دما نسبت به سایر پارامترهای اقلیمی در مطالعات محیطی و جوی از اهمیت ویژ ه ای برخوردار می باشد، زیرا در صنعت ، خشکسالی ، تبخیر وتعرق کار برد و فراوانی دارد . هدف ازاین پزوهش، پیش نگری نوسانات دما در فصل های سرد سال برای یازده سال آینده (2029-2019) با استفاده از مدل شبکه عصبی مصنوعی و سری زمانی آریما ( Auto Arima)و مقایسه مدل های نامبرده در شهرستان الشتر واقع در استان لرستان است . برای تحقق هدف فوق ؛ آمار اقلیمی 12 ایستگا ه سینوپتیک در استان لرستان مورد مطالعه قرار گرفت . داده های اقلیمی دما در یک دوره آماری30ساله از سال( 2010- 1980) از سازمان هواشناسی کشورتهیه شد . پارامترهای مورد استفاده در مدل های فوق شامل میانگین حداقل وحداکثر دمای فصلی می باشند . که با استفاده از مدل سازی شبکه عصبی مصنوعی ، سری زمانی آریما از طریق لایه های ورودی ، مخفی ، خروجی به وسیله نرون وپرسپترون ، به پیش نگری تغییرات میانگین دمای فصلی می پردازند . محاسبات میانگین تغییرات دمای فصلی در بازه زمانی (2018-1998 با پکیچ ( Forecasts فرکست و شاخص RMSE تحلیل گرNNAR انجام شد . نمودارها و گراف ها ترسیم شده است و نتایج بدست آمده جهت پیش نگری دمای فصلی در مقایسه مدل قید شده با دقت 95-80 درصدی نشان دهنده آنست که بیشترین دقت اندازه گیری پیش نگری دما در فصل تابستان با 33% وکمترین دقت اندازه گیری در فصل پاییز با 81% می باشد . نشان از مقایسه دو مدل ذکر شده مشخص شد که مدل شبکه عصبی کارایی بهتر ی نسبت به مدل آریما بر خوردار است .
