عنوان پایان‌نامه
بررسی کارایی سیگنالهای بزرگ مقیاس اقلیمی در پیش بینی بارش شهر تهران
- رشته تحصیلی
- اکوهیدرولوژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 296977;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74753;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 296977;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74753
- تاریخ دفاع
- ۰۲ تیر ۱۳۹۵
- دانشجو
- مهدی غلامی رستم
- استاد راهنما
- سید جواد ساداتی نژاد
- چکیده
- چکیده با کم شدن منابع آب در سراسر کشور در سال های اخیر، مدیریتی کارا و پر بازده در این زمینه بیش از پیش احساس می گردد. مدیریتی که در سایه توسعه پایدار بتواند کاستی هایی که در سال های گذشته در مصارف آب وجود داشته را تقلیل و آینده ساکنین کشور را تضمین نماید. به همین منظور توجه ویژه ای به پیش بینی وضعیت آینده منابع آب، به عنوان اولین مرحله در برنامه ریزی ها، مبذول شده که بخش عمده ای از آن معطوف به بارش است. آگاهی از میزان بارش در آینده نزدیک و دور می تواند نقش مهمی در برنامه ریزی و مدیریت منابع آب ایفا نماید. بنابراین علاوه بر ارزیابی مدل های پیشین و مرسوم، بررسی مدل های نوین که بتوانند خطاهای کمتری در پیش بینی ارائه دهند، ضرورت دارد. در دهه های اخیر با شناسایی الگوهای پیوند از دور، مطالعات گسترده ای در مورد اساس و کاربردهای آنها در زمینه مدیریت منابع آب در سراسر جهان صورت گرفته است، به طوری که امروزه با توجه به این الگوها کلیت شرایط آب و هوایی در مناطق مختلف کره زمین را می توان پیش بینی کرد. در کشور ایران پژوهش های قابل تاملی در این زمینه انجام شده است، اما تعداد روش های مدل سازی مورد استفاده و مناطق مطالعاتی آنها، نمی تواند پاسخ گوی نیاز امروزه تمام نقاط کشور باشند. از طرفی فقدان مطالعاتی به روز در مورد الگوهای پیوند از دور در پایتخت کشور به عنوان کلان شهری مهم و تاثیرگذار، احساس می گردد، لذا پژوهش حاضر با توجه به حساسیت منابع آب در شهر تهران، با انتخاب این کلان شهر به عنوان منطقه مطالعاتی سعی در ارائه مدل های پیش بینی بارش با بهره گیری از روش های آماری و هوشمند دارد. در همین راستا کارایی 5 روش رگرسیون خطی گام به گام، شبکه عصبی مصنوعی پرسپترون چند لایه، شبکه استنتاج عصبی – فازی تطبیقی ( ANFIS )، مدل مبتنی بر الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات مورد ارزیابی قرار می گیرند. در ابتدای این مطالعه برای جلوگیری از حجیم شدن محاسبات با استفاده از تحلیل عاملی از بین 45 سیگنال اقلیمی، 9 سیگنال SOI، MEI، ONI، BEST، NINO3.4، NINO4، AMM، TNA و NTA انتخاب گردیدند. سپس مدل سازی در دو حالت زمانی تاخیر و تلفیق در سه مقیاس ماهانه، فصلی و سالانه انجام گرفت. ورودی مدل ها در حالت تاخیر 9 سیگنال در تاخیرهای یکسان و در حالت تلفیق مجموعه ای از بهترین سیگنال ها در هر تاخیر بو
- Abstract
- Considering the lack of the water resources in whole country, the need of a flawless and high efficiency management is felt more than ever, which can reduce the impacts of the past neglects and guarantee the future welfare according to the sustainable development. So, a particular attention has been paid to forecast the conditions of the prospective water resources, and recognize the precipitation’s future volume as the most significant part of it which can play an important role in the urban management and planning. Therefore, it is essential to not only evaluate the common forecasting methods, but also create new ones with more precise results. In the recent decades, regarding to discover the teleconnections, widespread studies have been carried out about their bases and applications, which can nowadays forecast the trends of future climatic conditions all around the world. A lot of considerable papers have been published in Iran. Nevertheless, the number of them, modeling methods and their case study areas cannot cover all needs of the country. Besides, the lack of the up to dated studies in the Tehran metropolitan as the most impressive and important city in Iran is felt. Therefore, the present research considering the sensitiveness of water resources in Tehran, not only chose this metropolitan as the case study area, but also tried to model the urban precipitation by numerical and intelligent methods. Therefore, the efficiency of 5 methods such as linear regression, MLP, ANFIS, modeling based on genetic algorithm and PSO were evaluated in this study. To prevent the excessive calculations, 9 climatic signals like AMM, BEST, SOI, MEI, TNA, NTA, ONI, NINO3.4 and NINO4 were chosen among 45 ones by PCA at the first of the study. Then, the proposed models in two approaches were created: delayed and mixture in three time scales: monthly, seasonally and yearly. Model’s inputs in delayed approach were all 9 chosen climatic signals in the same time delays and in the mix
