Thesis

ریز مقیاس نمایی آماری چند مکانی با استفاده از هوش مصنوعی

Abstract(in Persian; no English abstract is available)

در سالهای گذشته برنامه ریزی آبی و مدیریت منابع آب بر این فرض استوار بوده که آب و هوای آینده مانند گذشته خواهد بود و تمام سیستم های تامین آب با این فرض طراحی و ساخته شده اند . اما در دهه های اخیر افزایش غلظت گازها باعث تغییردر سیکل های هیدرولوژی گردیده است بنابراین نوشته ها و بایگانی های اطلاعات آب و هوایی و شرایط هیدرولوژیکی گذشته راهنمای قابل اعتمادی برای طراحی و مدیریت منابع آب در آینده نیست. برای بررسی و حل این مشکل در اختیار داشتن پیش بینی های قابل اعتماد برای مدیریت منابع آبی کشور امری ضروری به نظر می رسد. بنابراین گام اول پیدا کردن راهکاری جهت پیش بینی اقلیم آینده می باشد. لذا در این مطالعه با استفاده از روش ریز مقیاس نمایی آماری چند مکانی با استفاده از خروجی مدلهای جهانی اقلیم (gcm) و با کمک شبکه عصبی بارندگی ودما در دوره های سی ساله تا سال 2100 برای ایستگاه کرمان پیش بینی شده است و نتایج با خروجی مدل asd مقایسه شده است. درجه حرارت (حداقل و حداکثر و میانگین)مشاهده شده و مدل روند صعودی داشته است. روند تغییرات بارندگی مشاهده شده در ایستگاه متغییر بوده است . rmse مقادیر خروجی و مشاهدات در شبکه عصبی بیشتر از asd میباشد و دلیل این اختلاف، تعداد کمتر predictor در شبکه عصبی می باشد و مقدار r2 بدست آمده از شبکه عصبی بهتر از asd می باشد .

Supervisors and advisors

مسعود رضا حسامی کرمانی، علی اسماعیلی

Similar theses

Similar items