عنوان پایان‌نامه
مقایسه مهارت دو رهیافت چند مکانی در شبیه‌سازی زمانی مکانی الگوهای بارش
- رشته تحصیلی
- مهندسی کشاورزی-هواشناسی کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6794;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73667;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6794;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73667
- تاریخ دفاع
- ۲۵ شهریور ۱۳۹۴
- دانشجو
- طاهره قصدی
- استاد راهنما
- نوذر قهرمان
- چکیده
- متغیرهای هواشناسی به ویژه بارندگی از مهم¬ترین ورودی¬های¬ مدل¬های هیدولوژیکی، کشاورزی و آمایش سرزمین می¬باشند و بدین جهت، مدل¬سازی وقوع و مقدار بارندگی روزانه، از اولویت¬های اصلی در برنامه¬ریزی و توسعه منابع آب و مطالعات هواشناسی کشاورزی است. به دلیل در دسترس نبودن سری¬های زمانی طولانی مدت متغیرهای هواشناسی، مولدهای استوکاستیک وضع هوا با هدف شبیه¬سازی سریع و واقع¬گرایانه سری¬های تصادفی متغیرهای جوی ارائه شده¬اند. مولدهای استوکاستیک به طور کلی به دو دسته پارامتری و ناپارامتری تقسیم می¬شوند و بر مبنای همبستگی مکانی، به دو صورت تک¬مکانی و چند¬مکانی به شبیه¬سازی سری¬های زمانی می¬پردازند. محدودیت اصلی مدل¬های تک مکانی، عدم توانایی آنها در لحاظ کردن مشخصه¬های مکانی است که در مورد متغیر بارش محدودیتی جدی محسوب می شود. هدف این مطالعه، ارزیابی عملکرد دو رهیافت چندمکانی پارامتری مارکف پنهان(HMM) و ناپارامتری k- نزدیک¬ترین همسایه(KNN) در شبیه¬سازی سری زمانی طولانی مدت داده¬های بارندگی روزانه طی فصل زمستان در شبکه¬ای شامل 130 ایستگاه باران¬سنجی ایران با طول دوره آماری 21 ساله است. نظر به تعداد زیاد ایستگاه¬ها، شش ایستگاه بندرانزلی، ساری، قراخیل قائمشهر، گرگان، شیراز و زاهدان به ترتیب به عنوان ایستگاه-های معرف اقالیم بسیارمرطوب، مرطوب، نیمه¬مرطوب، مدیترانه¬ای، نیمه¬خشک و خشک در نظر گرفته شده¬اند. در مقایسه میانگین¬ها و انحراف معیارها از آزمون¬های T، F و آماره P-value استفاده شد و نتایج در حدود اطمینان 5% نشان داد مدل KNN درتمام ایستگاه¬ها به جز زاهدان و گرگان، و مدل HMM در تمام ایستگاه¬ها میانگین را به خوبی شبیه¬سازی کرده¬اند. در شبیه¬سازی انحراف معیارها مدل KNN در همه ایستگاه¬ها به جز زاهدان و مدل HMMدر تمام ایستگاه¬ها¬ عملکرد خوبی داشته¬اند. در مقایسه میانگین و انحراف معیار تمام ایستگاه¬ها با استفاده از نمودار 1:1نیز مدل HMM در شبیه¬سازی گشاورهای مرتبه یک و دو توانمندتر عمل نموده است. چگونگی پراکنش داده¬ها در حدود اعتماد 95% توسط نمودار جعبه¬ای و نمودار حدود فاصله اطمینان مقایسه شد که مدل HMM دامنه تغییرات در ایستگاه¬های بندرانزلی، ساری، گرگان و شیراز را به خوبی و یا بهتر از مدل KNN شبیه¬سازی کرده و در مورد فواصل اطمینان در ایستگاه¬های ساری، گرگان، شیراز و زاهدان دارای عملکر
- Abstract
- Among the meteorological variables, rainfall has a significant importance in planning and management of water resources and agrometeorological studies. Stochastic weather generators (WGs) have been developed to generate random synthetic series with the aim of fast and realistic simulation. Simulations series are often same in statistics attribute with historical series. Weather generators are divided into two categories, parametric and non-parametric models. The major difference between them is the nature of primary assumptions involved. Furthermore, based on spatial correlation, The WGs are categorized into single-site and multi-sites. A major limitation of commonly used single site models is their inability to characterize spatial attributes. The spatial correlation of weather variables, specially the precipitation, can have a significant impact on the results of any simulation that weather series are used for as input.The aim of this study is comparison of two multi-site stochastic weather generators for simulation of occurrence of winter rainfall across Iran using data of a selected network consisting of 130 rain gauge stations during a 21 years period. The applied approaches included; Hidden Markov Model (HMM) as a parametric approach and non-parametric approach of K-nearest neighbor (KNN). Among the study stations, six stations namely, Bandar Anzali , Sari, Gharakhil Ghaemshahr, Gorgan ,Shiraz and Zahedan were chosen as the representative of different climates including very humid ,humid, semi humid, Mediterranean, semi dry and dry climates according to DeMartone classification. In comparison of first and second order moments, results of f-test,T-test and P-value indicated that HMM performed well in almost every stations in simulating mean winter season rainfall simulation but KNN approach failed to perform well in some of stations e.g. Gorgan and Zahedan .Comparison of standard deviation showed that both approaches results are acceptable except for KNN at Za
