مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

193
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

119
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مطالعه وارزیابی دما شهر الشتر براساس مدل شبکه عصبی مصنوعی

صفحات

 صفحه شروع 155 | صفحه پایان 170

چکیده

 این تحقیق به منظور بررسی تغییر اقلیم در ناحیه غربی ایران استان لرستان شهرستان الشتر بر مبنای ارزیابی و پیش بینی تغییرات دما صورت گرفته است. هدف از این پژوهش "مدل سازی برای پیش بینی میانگین دمای ماهانه فصلی ایستگاه های منتخب استان لرستان به ویژه منطقه الشتر می باشد. شناسایی و آشکار سازی پهنه های آسیب پذیر با زیر ساخت هایی از قبیل کشاورزی؛ هیدرولوژی؛ حمل و نقل نواحی شهرستان در شرایط تغییر اقلیم می باشد. و با توجه به عدم وجود ودر دسترس نبودن دیتای سری زمانی 30 ساله ی الشتر لذا از شهرستان های همجوار از جمله ایستگاه های سینوپتیک خرم آباد-الشتر-بروجرد استفاده شده است در همین رابطه آمار 30ساله (1989-2019) تعداد سه ایستگاه سینوپتیک فوق الذکر استان لرستان مورد مطالعه و بررسی قرارگرفت و تغییرات معنی دار دماهای بیشینه و کمینه متوسط و همچنین دامنه شبانه روزی دما (dtr)که بیان گر اختلاف مقادیر دماهای بیشینه و کمینه می باشد» در دو مقیاس زمانی فصلی و سالانه مورد تجزیه وتحلیل قرار گرفت. بدین منظور؛ ابتدا دوره مطالعاتی در بازه زمانی 20 ساله و30 ساله تقسیم شده و با توجه به میزان تغیرات دما؛ دوره نرمال اقلیمی برای کلیه ایستگاه ها استخراج گردید. سپس مقادیر میانگین داده ها؛ با استفاده از مدل شبکه عصبی مصنوعی توانایی زیادی در شبیه سازی و پیش بینی عناصر جوی و آب و هوایی به ویژه دما دارد. پکیج fore gast استفاده شده است. نرم ابزار برنامه نویسیr دو نمونه مورد مقایسه قرارگرفت و اختلاف های معنی دار سطح اطمینان 95٪, و80٪,مشخص شدند. در این رابطه؛ بیشترین و کمترین تفاوت میانگین دوره ها؛ به ترتیب به دماهای کمینه و بیشینه اختصاص یافت همچنین روند داده ها در بازه زمانی 20 ساله اخیر نیز مورد بررسی قرار گرفت و بر اساس نتایج آن؛ دماهای متوسط؛ بیشینه و کمینه دارای روندی افزایشی بوده است. از نظر فصلی نیز زمستان شدیدترین تغییرات را در منطقه در برداشته است میزان موارد اختلاف بین بازه زمانی 20 ساله و بازه های 30 (دوره نرمال) 30 ساله به ترتیب 95 درصد و80 درصد می باشد. در بازه 20ساله اخیر؛ بیشترین و کمترین روند معنی دار ایستگاه ها؛ به ترتیب در فصول تابستان و پاییز مشاهده گردید. دوره اقلیم تحت دو سناریوی nnar"foregast گزارش و استخراج شد.

چندرسانه ای

  • ثبت نشده است.
  • استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    حسنوند، مهناز، برنا، رضا، ظهوریان پردل، منیژه، و شکیبا، علیرضا. (1401). مطالعه وارزیابی دما شهر الشتر براساس مدل شبکه عصبی مصنوعی. جغرافیا و مطالعات محیطی، 11(41 )، 155-170. SID. https://sid.ir/paper/1034868/fa

    Vancouver: کپی

    حسنوند مهناز، برنا رضا، ظهوریان پردل منیژه، شکیبا علیرضا. مطالعه وارزیابی دما شهر الشتر براساس مدل شبکه عصبی مصنوعی. جغرافیا و مطالعات محیطی[Internet]. 1401؛11(41 ):155-170. Available from: https://sid.ir/paper/1034868/fa

    IEEE: کپی

    مهناز حسنوند، رضا برنا، منیژه ظهوریان پردل، و علیرضا شکیبا، “مطالعه وارزیابی دما شهر الشتر براساس مدل شبکه عصبی مصنوعی،” جغرافیا و مطالعات محیطی، vol. 11، no. 41 ، pp. 155–170، 1401، [Online]. Available: https://sid.ir/paper/1034868/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    email sharing button
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    sharethis sharing button