تعداد نشریات | 49 |
تعداد شمارهها | 1,742 |
تعداد مقالات | 18,704 |
تعداد مشاهده مقاله | 7,272,266 |
تعداد دریافت فایل اصل مقاله | 4,384,680 |
مقایسه روش های یادگیری ماشین در انتخاب پیش بینی کننده های مدل های گردش عمومی جو-اقیانوس | ||
آب و خاک | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 09 آذر 1401 | ||
نوع مقاله: مقالات پژوهشی | ||
شناسه دیجیتال (DOI): 10.22067/jsw.2022.76605.1166 | ||
نویسندگان | ||
مهدی امیرآبادی زاده ![]() ![]() | ||
1دانشگاه بیرجند | ||
2دانشجوی دکتری منابع آب گروه مهندسی آب دانشگاه بیرجند | ||
3گروه علوم ومهندسی آب دانشگاه بیرجند | ||
4دانشجوی دکتری منابع اب گروه مهندسی آب دانشگاه بیرجند | ||
چکیده | ||
افزایش غلظت گازهای گلخانهای در اتمسفر باعث تغییرات زیادی در مولفههای اقلیمی کره زمین شده است که این تغییرات در پارامترهای اقلیمی به صورت افزایشی یا کاهشی است. امروزه تغییر اقلیم یکی از چالشهای بشر در بهرهبرداری و مدیریت منابع آب است، همچنین شرایط کنونی آب و هوای جهانی نشان دهنده افزایش خطرات ناشی از پدیده خشکی در بسیاری از مناطق جهان در آینده است. مدلهای گردش عمومی جو یکی از مهمترین و پرکاربردترین روشها در مطالعات تغییرات اقلیمی در مقیاس منطقهای میباشد. یکی از اولویتهای اصلی ریز مقیاس نمایی آماری انتخاب پیش بینی کنندهها به عنوان ورودی به مدل ریزمقیاس نمایی در پژوهش میباشد. برای انتخاب پیش بینی کنندههای مهم از بین 26 متغیر جو بالا، از چهار الگوریتم یادگیری ماشین شامل لاسو، ستیغی، GBM، SPSA در ریزمقیاس نمایی آماری دمای بیشینه در ایستگاه بیرجند استفاده گردید و عملکرد این روشها با سه شاخص نش-ساتکلیف نسبی، کلینگ-گوپتا و بازده حجمی در بخش صحت سنجی مورد بررسی قرار گرفت. نتایج نشان داد که بیشترین میزان اهمیت برای P1_v و کمترین مقدار آن در P5_u میباشد که مقادیر آن بترتیب%2/73 و 15% تعیین شد. همچنین نتایج شاخصهای ارزیابی عملکرد نش- ساتکلیف نسبی و کلینگ-گوپتا، نشان دادند که الگوریتم SPSA دارای عملکرد بهتری از سایر الگوریتمها درانتخاب پیش بینیکنندهها و به تبع آن ریزمقیاس نمائی دمای بیشینه میباشد. مقایسه میانگین و واریانس خروجی ریزمقیاس شده توسط الگوریتمهای مورد استفاده و دادههای مشاهداتی در بخش صحت سنجی نشان داد که الگوریتم SPSA دارای کارایی بالاتری نسبت به سایر الگوریتمها در ریزمقیاس نمائی دمای بیشینه در ایستگاه سینوپتیک بیرجند میباشد. | ||
کلیدواژهها | ||
الگوریتم یادگیری ماشین؛ پیش بینی کننده؛ شهرستان بیرجند؛ مدل گردش عمومی جو- اقیانوس | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 30 |